Geri Dön

Görüntü işleme ve makine öğrenmesi kullanarak elmalarda çürük tespiti

The detection of bruises on apples using machine learning and image processing

  1. Tez No: 608223
  2. Yazar: ONUR CÖMERT
  3. Danışmanlar: DOÇ. DR. MAHMUT HEKİM
  4. Tez Türü: Doktora
  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: Tokat Gaziosmanpaşa Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 103

Özet

Bu tez çalışmasında, içerisinde bir yakın kızılötesi (NIR) kamera barındıran görüntü toplama platformu ile elde edilen elma görüntüleri evrişimsel sinir ağı (CNN) modeli tarafından desteklenen yapay arı kolonisi (ABC) ve parçacık sürüsü optimizasyonu (PSO) algoritmalarına dayalı bir hibrit model kullanarak çürük ve sağlıklı olarak sınıflandırılmıştır. Önerilen model görüntü elde etme, görüntü ön işleme, anatomik bölgelerin bölütlenmesi ve elma görüntülerinde çürük alanların tespiti aşamalarını içermektedir. Görüntü toplama platformu kullanılarak 100 çürük ve 100 sağlıklı olan 200 elmadan farklı açılardan toplam 1200 görüntü alınmıştır. Tespit ve sınıflandırma başarısını arttırmak için, ön işleme aşamasındaki görüntülere sırasıyla adaptif histogram eşitleme, kenar algılama ve şekilsel işlemler uygulanmıştır. İlk olarak, görüntülerin sap-çanak anatomik bölgelerini bölütlemek ve gözardı etmek için, CNN modeli önceden işlenmiş görüntüler kullanılarak eğitilmiştir. Eğitilen bu model ile sap-çanak bölgeleri görüntüden çıkarılmıştır. İkinci aşamada, sap-çanak bölgeleri gözardı edilen görüntüler üzerinde ABC / PSO-tabanlı yinelemeli eşikleme yaklaşımı ile bir eşik değeri saptanmış ve bu eşik değeri kullanılarak sap-çanak anatomik bölgeleri olmayan görüntülerdeki çürükler tespit edilmiştir. Önerilen yaklaşımların sınıflandırma başarısını göstermek için, aynı sınıflandırma deneyleri, ABC ve PSO yaklaşımı olmadan doğrudan Faster R-CNN modeli kullanılarak yeniden uygulanmıştır. Deneysel sonuçlar, tezde önerilen bu hibrit modelin, ABC ve PSO tabanlı yinelemeli eşikleme yaklaşımlarının kullanılmadığı Faster R-CNN modelinden daha başarılı olduğunu göstermiştir.

Özet (Çeviri)

In this thesis, the apple images taken by using the image acquisition platform with near-infrared (NIR) camera were classified as bruised and healthy using a hybrid model based on artificial bee colony (ABC) and particle swarm optimization (PSO) iterative thresholding algorithms supported by a convolutional neural network (CNN) model. The proposed model includes image acquisition, image pre-processing, the segmentation of anatomical regions to be discarded and the detection of bruised areas on the apple images. A total of 1200 images at different angles were taken from 200 apples those of which were 100 bruised and 100 healthy by using the image acquisition platform. In order to increase the success of detection and classification, adaptive histogram equalization (AHE), edge detection and morphological operations were applied to the images in the pre-processing stage, respectively. First, in order to segment and discard the stem-calyx anatomical regions of the images, the CNN model was trained by using the preprocessed images. With this model, the stem-calyx regions were removed from the image. Second, the threshold value was determined by means of ABC/PSO-based iterative thresholding approach on the images whose stem-calyx regions were discarded, and then the bruised areas on the images with no stem-calyx anatomical regions were detected by using the determined threshold value. In order to illustrate the classification success of the proposed approaches, the same classification experiments were reimplemented by directly using Faster R-CNN model alone on the preprocessed images with no ABC and PSO approaches. Experimental results showed that this hybrid model proposed in the thesis was more successful than the Faster R-CNN model in which ABC and PSO-based iterative threshold approaches were not used.

Benzer Tezler

  1. Aydınlatmanın görüntü işleme problemlerine etkisinin yapay zeka teknikleri kullanılarak analizi

    Analysis of the effect of lighting on image processing problems using artificial intelligence techniques

    BİRKAN BÜYÜKARIKAN

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ERKAN ÜLKER

  2. Yahyalı bölgesine ait elma türlerinin görüntü işleme yöntemleriyle otomatik sınıflandırılması

    Automatic classification of apple species by image processing methods in the yahali region

    SEVİM ADİGE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKayseri Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERCAN KARAKÖSE

    DR. ÖĞR. ÜYESİ RİFAT KURBAN

  3. Görüntü işleme ve makine öğrenmesi yöntemleriyle karaciğer tomografi görüntülerinde benign ve malign kitlenin tespiti

    Detection of benign and malignant mass in liver tomography images with image processing and machine learning methods

    CANER KOCAMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİT CAN YÜCEBAŞ

  4. Makine öğrenmesi ve görüntü işleme tekniklerini kullanarak drone ile yaprak sınıflandırma

    Leaf classification with drone by using machine learning and image processing techniques

    MEHMET ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE

  5. Görüntü işleme ve makine öğrenmesi yöntemleriyle suçlu tespitine yönelik bir yüz tanıma sisteminin geliştirilmesi

    Development of a face recognition system for criminal using image processing and machine learning

    SALİH TAHA ALPEREN ÖZÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MELİH CEVDET İNCE