Geri Dön

Yapay zeka teknikleri kullanılarak pirinç çeşitlerinin sınıflandırılması

Classification of rice varieties using artificial intelligence techniques

PDF İndir

  1. Tez No: 607245
  2. Yazar: İLKAY ÇINAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MURAT KÖKLÜ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 123

Özet

Dünya genelinde üretim ve tüketim değerleri en fazla olan tahıl ürünleri grubundan pirinç, ülkemizde de ekonomik ve besleyici olması açısından ana besin maddeleri arasında yerini almaktadır. Pirinç, tarladan sofralara gelinceye kadar bazı üretim aşamalarından geçmektedir. Bu aşamalardan temizleme, pirincin istenmeyen maddelerden ayrıştırılmasıdır. Sınıflandırma aşamasında sağlam olanlar ile kırık olanlar ayrıştırılır ve boylama işlemleri gerçekleştirilir. Son olarak renklere göre ayıklama aşamasında ise pirinç tanesi yüzeyinde bulunan beyazlık dışındaki çizgili ve lekeli olanların ayrıştırılması işlemi gerçekleştirilir. Bu tez çalışmasında, morfolojik, şekil ve renk özellikleri kullanılarak sınıflandırma işlemlerinin gerçekleştirilmesi için aynı markaya ait beş farklı pirinç çeşidi seçilmiştir. Her pirinç çeşidine ait 15 bin adet olmak üzere toplam 75 bin adet pirinç tanesi görüntüsü elde edilmiştir. Görüntüler, MATLAB yazılımı kullanılarak ön işlemlerden geçirilmiş ve özellik çıkarımına hazırlanmıştır. Görüntülerden, 12 adet morfolojik özellik, morfolojik özellikler kullanılarak elde edilen 4 adet şekil özelliği de eklenerek toplam 16 özellik, beş farklı renk uzayından elde edilen 90 adet renk özellikleri ile son olarak morfolojik, şekil ve renk özellikleri bir arada kullanılarak 106 adet özellik çıkarımı yapılmıştır. Sınıflandırma için, yapay zeka tekniklerinden k-en yakın komşu, karar ağacı, lojistik regresyon, çok katmanlı algılayıcı, rastgele orman ve destek vektör makineleri algoritmaları ile modeller oluşturularak 12, 16, 90 ve 106 adet olan özellik kümeleri için performans ölçüm değerleri elde edilmiştir. Modeller içerisinde ortalama sınıflandırma doğruluğu en yüksek olan algoritmaların başarıları, morfolojik özellikler için rastgele orman algoritması ile %97.99, morfolojik ve şekil özelliklerinin bir arada kullanıldığı özellikler için rastgele orman algoritması ile %98.04, renk özellikleri için lojistik regresyon algoritması ile %99.25, son olarak morfolojik, şekil ve renk özelliklerinin birlikte kullanıldığı özellikler için çok katmanlı algılayıcı algoritması ile %99.91 olarak elde edilmiştir. Sonuçlar incelendiğinde eklenen her yeni özellik ile sınıflandırma başarılarının arttığı görülmektedir. Elde edilen performans ölçüm değerlerine bakıldığında çalışmanın pirinç çeşitlerini sınıflandırmada başarıya ulaştığını söylemek mümkündür.

Özet (Çeviri)

Rice, which has the highest production and consumption values in the worldwide, is among the main nutrients in terms of being economical and nutritious in our country as well. Rice goes through some stages of production from the field to the dinner tables. The cleaning phase is the separation of rice from unwanted substances. During the classification phase, solid ones and broken ones are separated and calibration operations are performed. Finally, in the process of extraction according to the colors, the striped and stained ones other than the whiteness on the surface of the rice grain are separated. In this thesis, five different varieties of rice belonging to the same trademark were selected to carry out classification operations using morphological, shape and color features. A total of 75 thousand rice grain images, including 15 thousand for each varieties, were obtained. The images were pre-processed using MATLAB software and prepared for feature extraction. 12 morphological features, using a combination of 12 morphological and 4 shape features a total of 16 features, 90 color features obtained from five different color spaces and finally using a combination of morphological, shape and color features 106 features were inferred from the images. For classification, from machine learning techniques k-nearest neighbor, decision tree, logistic regression, multilayer perceptron, random forest and support vector machines with algorithms, models were created. With these models, performance measurement values were obtained for feature sets of 12, 16, 90 and 106. Among the models, the success of the algorithms with the highest average classification accuracy was achieved 97.99% with random forest for morphological features. 98.04% were obtained with random forest for morphological and shape features. It was achieved with logistic regression as 99.25% for color features. Finally, 99.91% was obtained with multilayer perceptron for morphological, shape and color features. When the results are examined, it is observed that with each new feature added, the success of classification increases. Based on the performance measurement values obtained, it is possible to say that the study achieved success in classifying rice varieties.

Benzer Tezler

  1. Tez No

    344002

    155 mm. MKE mod 274 uzun menzilli topçu mühimmatı sevk çemberi kaynak prosesinin yapay sinir ağları ile iyileştirilerek hatalı ürün oranlarının azaltılması

    Reducing rates of faulty products of 155 mm. MKE mod 274 long-range artillery ammunition rotating band welding process with artificial neural network

    İHSAN ÇAĞATAY ÖNCEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Endüstri ve Endüstri MühendisliğiKırıkkale Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SÜLEYMAN ERSÖZ

  2. Tez No

    284139

    Development of neuro-fuzzy models for hole drilling on Ti-6Al-4V and Inconel 718 using electrical discharge machining

    Ti-6Al-4V ve Inconel 718 malzemelerinde elektriksel erozyon yöntemiyle delik delme işlemi için sinirsel bulanık modeller geliştirilmesi

    FATİH ALAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Makine MühendisliğiGaziantep Üniversitesi

    Makine Mühendisliği Bölümü

    YRD. DOÇ. DR. ALİ TOLGA BOZDANA

  3. Tez No

    775337

    Yapay zeka teknikleri kullanılarak beceri ve yeterlilik belirlemeye dayalı kariyer eşleştirme

    Career matching based on determining skills and competencies using artificial intelligence techniques

    HİLAL ERİSEV

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

  4. Tez No

    212423

    Yapay zeka teknikleri kullanılarak yüzey modelleme

    Surface modeling using artificial intelligence techniques

    ERKAN ÜLKER

    Doktora

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ARSLAN

  5. Tez No

    430039

    Yapay zekâ teknikleri kullanılarak sinyalize kavşaklarda gecikme modelleri

    Delay models using artificial intelligence techniques at signalized intersections

    ERSİN KORKMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    İnşaat MühendisliğiKırıkkale Üniversitesi

    İnşaat Ana Bilim Dalı

    DOÇ. DR. ALİ PAYIDAR AKGÜNGÖR

Geri Dön