Geri Dön

Yapay sinir ağları kullanarak görüntü işlemeye dayalı ağırlık tahmini

Weight estimation based on image processing using artificial neural network

  1. Tez No: 488142
  2. Yazar: ÜNSAL BURAK ŞALVARCI
  3. Danışmanlar: YRD. DOÇ. DR. UMUT ENGİN AYTEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: 98

Özet

Nesnelerin ağırlıklarının doğru ve hızlı bir şekilde tespit edilmesi günümüzde akademik ve endüstriyel birçok uygulamada oldukça önemli bir yere sahiptir. Gerçekleştirilen bu çalışmada yapay sinir ağı (YSA) kullanarak görüntü işlemeye dayalı uzaklıktan ve kamera açısından kısmi derecede bağımsız ağırlık tahminlemesi yapılması hedeflenmektedir. Tahminleme işlemi gıda sektöründe farklı kategorilerde olan yumurta ve portakal örnekleri üzerinde gerçekleştirilmiştir. Oluşturulan sistem; bir adet kamera, yapay aydınlatma sistemi, yansıtıcılar ve referans görüntüden oluşmaktadır. Elde edilen görüntü işlenerek cismin ağırlığı tahmin edilmektedir. Yapay sinir ağı olarak ileri beslemeli çok katmanlı algılayıcı (ÇKA) ve radyal taban fonksiyonu (RTF) denenerek sonuçlar karşılaştırılmıştır. Yumurta üzerinde yapılan çalışmalarda sistemin eğitilmesi ve test edilmesi için 4 farklı markadan 4 farklı sınıfta (xlarge - large - medium - small) 250 adet örnek yumurta kullanılmıştır. Portakal üzerinde yapılan çalışmalarda ise farklı büyüklüklerde 150 adet portakal örneği kullanılmıştır. Farklı öznitelik vektörleri, farklı görüntüler ve farklı yapay sinir ağı parametreleri kullanılarak optimum sistem elde edilmeye çalışılmıştır. Bu değişiklikler ile gerçekleştirilen her bir deneme 5'er kez çalıştırılmış ve sonuçların aritmetik ortalaması alınarak yöntemlerin performansı değerlendirilmiştir. Yumurta örneği için 31 farklı deneme arasındaki optimum sonuçta; ÇKA için korelasyon katsayısı (R) 0.9942 ve ortalama mutlak hata (mae) 0.80gr olarak, RTF için korelasyon katsayısı (R) 0.9943 ve ortalama mutlak hata (mae) 0.81gr olarak hesaplanmıştır. Ayrıca Türk Gıda Kodeksi Yumurta Tebliği'ne göre belirlenmiş ve yumurta kutularının üzerinde yazan sınıflandırma değerlerine göre doğruluk oranı %47 iken, gerçekleştirilen bu çalışma sonucunda bu oran ÇKA'da %90.5'e, RTF'de %86.3'e çıkarılmıştır. Portakal örneği için 32 farklı deneme arasındaki optimum sonuçta; ÇKA için korelasyon katsayısı (R) 0.9820 ve ortalama mutlak hata (mae) 2.58gr olarak, RTF için korelasyon katsayısı (R) 0.9825 ve ortalama mutlak hata (mae) 2.42gr olarak hesaplanmıştır. Tüm işlemler Matlab programı ve araç kutuları kullanılarak gerçekleştirilmiştir. Ayrıca bütün bu çalışmalar sırasında elde edilen görüntüler ileriki çalışmalara yardımcı olması adına paylaşılmaktadır. Yumurta için dik açılı, pozitif açılı ve negatif açılı olmak üzere 750 adet görüntü, portakal için dik açılı, pozitif açılı ve negatif açılı olmak üzere 450 adet görüntü içeren bir veri tabanı oluşturulmuştur.

Özet (Çeviri)

Accurately and fast detection of weight of objects has an important place for lots of academic and industrial application at the present time. In this work, it was aimed to weight estimation in a partially distance and camera angle independent manner based on image processing using artificial neural networks (ANN). Estimation was realized with egg and orange samples which is different categories of food sector. The constituted system consists of a camera, artificial lighting system, reflector and reference image. Object weight was estimated by processing the acquired image. Feed forward multilayer perceptron (MLP) and radial basis function (RBF) was compared as artificial neural network with experiment. 250 samples which consist of 4 different brands and 4 different classes (x-large, large, medium, and small) were used for testing and training the system on egg study. 150 orange samples which were different sizes were used as to orange study. It was tried to be obtained optimum system by using different feature vectors, different images and different artificial neural network parameters. Each tries which was realized with changes was run 5 times and then system performance was evaluated by getting arithmetic mean. Performance of optimum results between 31 methods was calculated for MLP as correlation coefficient (R) was 0.9942 and mean absolute error (mae) was 0.80gr and calculated for RBF as correlation coefficient (R) was 0.9943 and mean absolute error (mae) was 0.81gr for egg samples. As accurate classification rate had been %47 according to defined by Turkish food codex egg communique and classification values written on the egg cartoon, this rate was increased to %90.5 for MLP and increased to %86.3 for RBF as a result of this work. Performance of optimum results between 32 methods was calculated for MLP as correlation coefficient (R) was 0.9820 and mean absolute error (mae) was 2.58gr and calculated for RBF as correlation coefficient (R) was 0.9825 and mean absolute error (mae) was 2.42gr for orange samples. All processes were realized by using Matlab program and toolboxes. In addition, all images which were obtained during these works have been shared with the intent of assisting next works. A database which contains right angled, positive angled and negative angled 750 egg images and right angled, positive angled and negative 450 orange images was created.

Benzer Tezler

  1. CNN-based text-independent automatic speaker identification

    Evrişimsel sinir ağı tabanlı metinden bağımsız otomatik konuşmacı tanılama

    MANDANA FASOUNAKI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  2. Çekişmeli üretici ağları kullanarak göğüs X-ray görüntüsünden rapor oluşturma

    Data generation from medical image using generative adversarial networks

    UMID ALBAZZAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SOYDAN SERTTAŞ

    DR. ÖĞR. ÜYESİ EMRE GÜNGÖR

  3. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  4. Essays on estimation methods

    Tahmin yöntemleri üzerine makaleler

    YASİN KÜTÜK

    Doktora

    İngilizce

    İngilizce

    2019

    Ekonometriİstanbul Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

  5. Akan video görüntüleri üzerinden, dağıtık, işbirlikçi ve gerçek zamanlı araç tanıma ve boyutlarına göre sınıflandırma sistemi

    Distributed, collaborative and real-time vehicle detection and size classification over the video streams

    SEDA KUL

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET SAYAR