Geri Dön

Yerel ikili örüntü tabanlı uç öğrenme yaklaşımı kullanan akıllı örüntü tanıma sistemi ile mermer sınıflandırma uygulaması

Local binary pattern based marble classification application using intelligent pattern recognition system using the extreme learning approach

  1. Tez No: 523235
  2. Yazar: ERHAN TURAN
  3. Danışmanlar: PROF. DR. BEŞİR DANDIL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: 112

Özet

Mermerleri desen kalitesine göre ayırma işlemi uzman kararına göre yapılan bir işlemdir. Mermerin sınıflandırma safhası ekonomik değerinin en kritik bölümdür. Bu çalışmada, mermerlerin sınıflandırmasını hızlı ve yüksek başarım gerçekleştiren ve bunu yaparken öğrenen bir sistem önerilmiştir. Bu sistem kameradan veya hafızadan elde ettiği görüntülere özellik çıkarım işlemi uygulamaktadır. Mermer görüntülerini sınıflandırmak için Yerel ikili örüntüleri (Local Binary Pattern-LBP) öznitelik tabanlı Uç öğrenme makinesi (Extreme Learning Machine-ELM) kullanılmıştır. Görüntü kümesine LBP özellik çıkarım işemi uygulanarak eğitim kümesi elde edilir. ELM sınıflandırıcısı LBP tabanlı eğitim kümesini kullanarak öğrenme işlemini gerçekleştirir. ELM sınıflandırıcısının sınıflandırma başarısını ölçmek için Toplu (Ensemble) sınıflandırıcı kullanılmıştır. C4.5 tabanlı karar ağacı, ileri beslemeli statik danışmanlı yapay sinir ağı ve destek vektör makinesi sınıflandırıcıları Toplu sınıflandırıcıyı oluşturmaktadır. ELM'nin sınıflandırma başarımı Toplu sınıflandırıcıyla karşılaştırılmıştır. LBP tabanlı eğitim kümesinin başarım performansını karşılaştırmak için Çoklu özellik çıkarımından yararlanılmıştır. Çoklu özellik çıkarımında Histogram ve Ölçekten Bağımsız Öznitelik Dönüşümü (Scale Invariant FeatureTransform-SIFT) tabanlı öznitelikler mevcuttur. SIFT tabanlı özelliklerin eğitim kümesine dönüştürülmesi için Kelime çantası (Bag of Words-BOW) modelinden yararlanılmıştır. Kelime çantasında görsel kelimeleri ayırmak için k-ortalama kümeleme yöntemi kullanılmıştır. Hazırlanan modellerin özellik çıkarım ve sınıflandırma işlemleri geliştirilen Grafiksel arayüz (Graphical User Interface-GUI) aracılığıyla yapılmaktadır. Kullanıcı uygulama üzerinden sistemi eğiterek, sınıfı bilnmeyen mermerin sınıfını belirleyebilir. Çalışma kapsamında geliştirilen GUI endüstriyel kullanıma uygundur.

Özet (Çeviri)

Separation of the marbles according to the pattern quality is an operation made according to expert decision. The marble classification stage is the most critical part of the economic value. In this study, a system was proposed which performs the classification of marbles quickly and with high performance and learns in doing so. This system applies feature subtraction to the images obtained from the camera or memory. The Local Binary Pattern (LBP) feature-based Extreme Learning Machine (ELM) was used to classify marble views. The training set is obtained by applying LBP feature extraction to the image set. The ELM classifier performs learning using the LBP-based training set. The Ensemble classifier was used to measure the classification success of the ELM classifier. C4.5 based decision tree, forward feed static advisory artificial neural network and support vector machine classifiers constitute collective classifier. The classification performance of the ELM is compared with the collective classifier. Multiple feature extraction was used to compare the performance performance of the LBP-based training set. Histogram and Scale Invariant FeatureTransform (SIFT) based attributes are available for multiple feature extraction. The Bag-of-Words (BOW) model was used to transform SIFT-based features into a training set. The k-means clustering method is used to distinguish visual words in the vocabulary. Graphical interface (Graphical User Interface-GUI) is used to develop the feature extraction and classification processes of the prepared models. By training the system through the application, the user can determine the class of marble that does not know the class. The GUI developed within the scope of the study is suitable for industrial use.

Benzer Tezler

  1. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Geodesic based hybrid similarity criteria for approximate spectral geodesic based hybrid similarity criteria for approximate spectral clustering of large medical data sets

    Büyük medikal veri setlerinin yaklaşık spektral öbeklenmesi için jeodezik tabanlı benzerlik ölçütleri

    BERNA YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSA YILDIRIM

  3. Derin öğrenme tabanlı algoritmalar kullanarak fizyolojik işaretlerden uyku skorlaması

    Sleep scoring in physiological signals by deep learning-based algorithms

    HASAN ZAN

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULNASIR YILDIZ

  4. Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme

    Integration of bayesian filtering and deep object detection for video object tracking

    FİLİZ GÜRKAN GÖLCÜK

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  5. An innovative and accurate deep learning based HER2 scoring method HER2-unet

    HER2 tümör hücrelerinin segmentasyon için derin öğrenme tabanlı yeni bir yaklaşım

    FARIBA DAMBAND KHAMENEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    PROF. DR. MUSTAFA ERSEL KAMAŞAK