Topluluk ve derin öğrenme yöntemleri ile renk ön işlemesine dayalı meyve sınıflandırma
Fruit classification based on color preprocessing with deep learnining and ensemble learning methods
- Tez No: 649893
- Danışmanlar: PROF. DR. AYBARS UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 105
Özet
Son yıllarda tarımsal ve endüstriyel alanlarda bilgisayarlı teknolojilerin kullanımı ile tarımsal süreçlerin otomasyonunun sağlanmasına ilgi artmaktadır. Özellikle bilgisayarlı görü tekniklerine dayalı geliştirilen temassız ve tahribatsız yöntemler ile bu alanda umut vadeden çalışmalar yapılmaktadır. Bu tez çalışması kapsamında topluluk ve derin öğrenme yöntemleri birlikte kullanılarak görüntüler üzerinden meyveleri otomatik olarak sınıflandıran modeller üretilmiştir. Bu amaçla meyve tanıma alanında RGB görüntünün farklı renk uzaylarına (HSV, L*a*b*, XYZ, YUV, YIQ, YPbPr) dönüştürülmesi ile elde edilen bilgilerin birleştirildiği yeni modeller önerilerek literatüre kazandırılmıştır. Oylama, ağırlıklı oylama ve torbalama topluluk öğrenmesi yöntemleri ile üç farklı topluluk modeli geliştirilmiştir. CNN mimarisine dayalı bir sınıflandırma modeli de tasarlanarak, bu modelin farklı renk uzaylarındaki görüntüler ile eğitilmesi sonucunda elde edilen 3 farklı sürümü oylama tabanlı topluluk modellerinde temel öğrenici olarak kullanılmıştır. Deneysel çalışmalar literatürde sıklıkla kullanılan ve ücretsiz erişim olanağı bulunan Fruits 360 ve Fruit Database veri setleri üzerinde gerçekleştirilmiştir. Fruits 360 veri seti, temiz arka plana sahip her biri tek meyve içeren görüntülerden oluşmakta ve 120 adet meyve sınıfı içermektedir. Fruit Database veri setinde ise diğer veri setine kıyasla daha az sayıda sınıf bulunmasına rağmen görüntüler karmaşık bir arkaplana sahiptir. Ayrıca her bir görüntüde birden fazla meyve vardır. Önerilen modellerin alana özgü bu iki veri seti üzerinde test edilmesi sonucunda rengin önemli olduğu meyve sınıflandırma konusunda farklı renk uzaylarının kullanılmasının başarıyı artırdığı gözlenmiştir.
Özet (Çeviri)
In recent years, there has been an increasing interest in the automation of agricultural processes with the use of computerized technologies in agricultural and industrial areas. Promising studies are carried out in this field with contactless and non-destructive methods developed especially based on computer vision techniques. In this thesis, models that automatically classify fruits based on images were created by using ensemble and deep learning methods together. For this purpose, new models which combine the information obtained by converting the RGB image to different color spaces (HSV, L*a*b*, XYZ, YUV, YIQ, YPbPr) have been proposed in the fruit recognition field. Three different ensemble models have been developed with voting, weighted voting and bagging ensemble learning methods. A classification model based on CNN architecture was also designed and 3 different versions of this model trained with different color spaces were used as base learners in voting based ensemble models. Experimental studies were carried out on Fruits 360 and Fruit Database datasets which are frequently used in the literature and publicly available. Fruits 360 dataset consists of images, each containing one fruit, with a clean background, and includes 120 fruit classes. Fruit Database contains images have a complex background. Also, there is more than one fruit in each image. As a result of evaluating the proposed models on these two datasets specific to the field, it was observed that using different color spaces increased the performance of fruit classification which color is important.
Benzer Tezler
- Sürücü destek sistemleri için yeni yol ve işaret tanıma yöntemleri
New road and sign recognition methods for driver assistance systems
GÜLCAN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR DİZDAROĞLU
- Deri lezyon görüntülerinin makine öğrenmesi ve derin öğrenme yöntemleriyle sınıflandırılması
Classification of skin lesion images using machine learning and deep learning techniques
ELİF KANCA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELEN AYAS
- Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images
Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu
NEFİSE UYSAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
ÖĞR. GÖR. MURAT GEZER
- Türkiye'deki havayolu firmalarıyla ilgili sosyal medya yorumlarının makine öğrenmesi yöntemleriyle sınıflandırılması
Classification of social media comments about airline companies in Turkey by machine learning methods
HATİCE ELİF EKİM
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
- Tıbbi görüntü işleme ve derin öğrenme yöntemleriyle hastalıklarda teşhis otomasyon modeli
Diagnostic automation model in diseases with medical image processing and deep learning methods
MUSTAFA GÜLER
Doktora
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERSİN NAMLI
DOÇ. DR. RAMAZAN ÜNLÜ