Bilgisayarla görü yöntemleri ile sivri biberlerin eğriliğe göre sınıflandırılması
Classification of green peppers using computer vision methods
- Tez No: 540245
- Danışmanlar: DR. ÖĞR. ÜYESİ HELİN DUTAĞACI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sayısal görüntü işleme, Digital image processing
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması kapsamında sivri biberleri eğrilik miktarına göre otomatik olarak sınıflandıran bir uygulama geliştirilmiştir. Kalite sınıflandırması geleneksek olarak el ile doku, boyut ve şekil özelliklerine göre yapılan sivri biberlerin, eğrilik miktarı uluslararası piyasada bir kalite kriteridir ve eğriliğin artması bir bozukluk olarak kabul edilmektedir. Çalışma sırasında biberin sapının eğrilikle ilgili yanıltıcı bir etkisi olduğu gözlenmiştir. Biber imgelerinde sap kısmı ve gövdeyi birbirinden ayıran özgün bir yaklaşım geliştirilmiştir. Sivri biberlerin medyal eksenleri çıkartılmış ve eksen çizgisi kullanılarak biberin eğrilik miktarının hesaplanması aşamasında da özgün bir yöntem geliştirilmiştir. Sivri biberlerin eğrilik düzeylerine göre sınıflandırılması için geometrik öznitelikler çıkartılmıştır. Ayrıca tüm biber konturlarının oluşturduğu uzayı temsil eden ana bileşenler, Ana Bileşen Analizi (ABA) yöntemi ile çıkartılmıştır. Her biber için bu özvektörler üzerindeki izdüşümlerinden oluşan bir öznitelik vektörü tanımlanmıştır. Geometrik ve ABA'ya dayalı öznitelikleri birlikte ve ayrı ayrı içeren vektörler oluşturulmuştur. Sivri biber imgeleri bu vektörler kullanılarak k-En Yakın Komşu (k-EYK) yöntemi, çoklu sınıf Destek Vektör Makinası (DVM) ve AdaBoost algoritmaları ile sınıflandırılmıştır. AdaBoost ile hem ikili hem de çoklu sınıf için sınıflandırma yapılmıştır.
Özet (Çeviri)
The aim of this thesis is to develop a method that classifies green peppers based on their flexure. Quality sorting of green peppers is traditionally being done by hand with respect to their texture, size, and shape properties. Flexure is also a quality criterion; high flexure in green pepper is considered as a defect in international markets. The stem of the pepper has a misleading effect on computing the flexure from pepper images. In this thesis, a novel approach is developed to segment the stem of the green pepper. Then the medial axis of the flesh region is extracted, and a novel method is used to determine the flexure. In order to classify green peppers based on flexure, geometric features are extracted from pepper images. Also, Principal Component Analysis (PCA) is used to extract principal components representing the space of pepper contours. A feature vector is constructed by projecting the contour onto the eigenvectors obtained by PCA. K-Nearest Neighbor (k-NN), Support Vector Machine (SVM) and AdaBoost methods are used to classify geometric and PCA-based feature vectors. Both binary and multi-class classifications are performed with AdaBoost.
Benzer Tezler
- Histopatolojik görüntülerin makine öğrenmesi yöntemleri ile analizi
Analysis of histopathological images via machine learning methods
ABDÜLKADİR ALBAYRAK
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Acil yardım çağrısı jestlerinin bilgisayarla görü ve derin öğrenme yöntemleriyle gerçek zamanlı tespiti
Real-time detection of emergency call gestures using computer vision and deep learning methods
FERHAT ERDOĞAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Makine öğrenmesi yöntemleri kullanılarak üç boyutlu nokta bulutlarının sınıflandırılması
Classification of three-dimensional point cloud via machine learning methods
KORAY AKSU
Yüksek Lisans
Türkçe
2023
Mimarlıkİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Bilgisayarla görüde verimli derin öğrenmeye doğru
Towards efficient deep learning in computer vision
ASLI ÇELİK
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. OĞUZHAN URHAN