Ekmeklik ve makarnalık buğday tanelerinin yapay zeka teknikleri kullanılarak sınıflandırılması
Classification of bread and durum wheat kernels using artificial intelligence techniques
- Tez No: 634505
- Danışmanlar: DR. ÖĞR. ÜYESİ KADİR SABANCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Ziraat, Electrical and Electronics Engineering, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
İnsanoğlunun hayatta kalması için en önemli besin kaynaklarından biri buğdaydır. Buğdaydan günümüzde ekmek, makarna, bulgur, pasta gibi en çok tüketilen besinler üretilmektedir. Bu süreçte buğdayın kalitesini iyi bir sınıflandırma süreci belirler. Makine görmesi kavramının insan hayatına girmesiyle birlikte sabit ve hareketli görüntülerin sayısallaştırılarak anlamlı sonuçlar elde edilmesi mümkün hale gelmiştir. Elde edilen sayısal veriler gelişmekte olan yapay zeka algoritmaları ile desteklendiğinde insanların gözle yapamadıkları işlemleri kolaylıkla yapabilen makineler gelişmeye başlamıştır. Bu çalışmada beşi ekmeklik (Cumhuriyet-75, Nevzatbey, Alpu 2001, Bayraktar 2000, Esperya) ve beşi makarnalık (Eminbey, Cesare, Çeşit-1252, Kunduru-1149, Kızıltan-91) toplam 10 farklı buğday çeşidinden 2014 adet buğday tanesi kullanılmıştır. Buğdaylara ait görüntüler Basler acA2500-14uc kamera ve Basler C125-0618-5M lens ile hazırlanan bir düzenek yardımıyla elde edilmiştir. Görüntüler Python programlama dili ve OpenCV kütüphanesi ile yazılan bir programla bilgisayar ortamında işlenerek her bir buğday tanesine ait şekil, renk ve doku olmak üzere 21 farklı özellik çıkarılmıştır. Bu özelliklerden elde edilen veri seti WEKA programı ile MLP, SVM ve kNN algoritmaları kullanılarak sınıflandırılmıştır. Rastgele seçilen bir ekmeklik ve bir makarnalık buğday, türüne göre yapılan sınıflandırmada %99,7468, 10 farklı çeşit buğday ekmeklik ya da makarnalık olma durumuna göre yapılan sınıflandırmada %96,1271 başarı elde edilmiştir. Makarnalık beş çeşit buğday kendi aralarında çeşitlerine göre yapılan sınıflandırma işleminde %95,3954, ekmeklik beş çeşit buğday kendi aralarında çeşitlerine göre sınıflandırılma işleminde %93,3729 başarı elde edilmiştir. Son olarak 10 farklı çeşit buğday kullanılarak çeşitlerine göre yapılan sınıflandırmada %91,3605 başarı elde edilmiştir. Tüm sınıflandırma işlemlerinde en yüksek doğruluk SVM algoritması ile elde edilmiştir.
Özet (Çeviri)
One of the most important food sources for human survival is wheat. Today, the most consumed foods such as bread, pasta, cracked wheat, and cake are produced and presented to the consumers. In this process, a good classification process determines the quality of wheat. With the concept of machine vision entering human life, it has become possible to obtain meaningful results by digitizing fixed and moving images. When the obtained numerical data is supported by developing machine learning algorithms, machines that can easily perform operations that people cannot do with the eyes have begun to develop. In this study, a total of 10 different wheat types were used, five of which were bread wheat (Cumhuriyet-75, Nevzatbey, Alpu 2001, Bayraktar 2000, Esperya) and five of durum wheat (Eminbey, Cesare, Çeşit-1252, Kunduru-1149, Kızıltan-91). The images were taken with Basler acA2500-14uc camera and Basler C125-0618-5M lenses from the wheat, the images were processed in a computer environment with a program written in Python and OpenCV. 21 different features were obtained for each wheat grain, then classified using MLP, SVM, and kNN algorithms with the WEKA program. A randomly selected bread and durum wheat were classified according to the type and success of 99.7468% were achieved. 10 different wheat varieties were classified according to their types and 96.1271% success was achieved. Five different types of durum wheat were classified according to their varieties and 95.3954% success was achieved and five different types of bread wheat were classified according to varieties and 93.3729% of success was achieved. Finally, 10 different kinds of wheat were classified according to their varieties and 91.3605% success was achieved. The best success in all classification studies has been achieved by using the SVM algorithm.
Benzer Tezler
- Yapay sinir ağları ile buğday tanelerinin kalite tespiti
Qulity detection of wheat kernels by using artificial neural networks
AHMET BABALIK
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH M. BOTSALI
- Determination of some physical properties of wheat grains by using image analysis
Buğday tanelerinin bazı fiziksel özelliklerinin görüntü işleme tekniğiyle belirlenmesi
HANDE YILDIZ DEMİRBAŞ ALGAÇ
Yüksek Lisans
İngilizce
2006
ZiraatAtatürk ÜniversitesiTarım Makineleri Ana Bilim Dalı
PROF.DR. İLKNUR DURSUN
- Determination of geographic distribution and macro-micro element content variation of einkorn (Triticum monococcum ssp. monococcum) and emmer (Triticum dicoccum Schrank.) wheats in Western Blacksea region
Batı Karadeniz bölgesi siyez (Triticum monococcum ssp. monococcum) ve gernik (Triticum dicoccum Schrank.) buğdaylarının coğrafi dağılımı ile yetiştiği tarlaların ve danelerinin makro ve mikro element içerik çeşitliliklerinin belirlenmesi
HURİ MELEK YAMAN
Yüksek Lisans
İngilizce
2018
BiyolojiAbant İzzet Baysal ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. NUSRET ZENCİRCİ
- Bazı tahıl, makarna, süt ve yoğurt proteinlerinin poliakrilamid jel disk elektroforezi yöntemi ile orijin tayini yönünden incelenmesi
Başlık çevirisi yok
ZAFER BİLGİÇ
Doktora
Türkçe
1985
Diş Hekimliğiİstanbul ÜniversitesiAnalitik Kimya Ana Bilim Dalı
PROF. DR. SEDAT İMRE
- Ekmeklik ve makarnalık buğday çeşitlerinde verim unsurları ile bazı fotosentez organlarının tane kurumaddesine katkı oranlarının saptanması
Başlık çevirisi yok
NUSRET OĞUZ YILMAZ