Geri Dön

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

  1. Tez No: 649893
  2. Yazar: ESMA İBİŞ
  3. Danışmanlar: PROF. DR. AYBARS UĞUR
  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: 2020
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. Sürücü destek sistemleri için yeni yol ve işaret tanıma yöntemleri

    New road and sign recognition methods for driver assistance systems

    GÜLCAN YILDIZ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEKİR DİZDAROĞLU

  2. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SELEN AYAS

  3. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

    ÖĞR. GÖR. MURAT GEZER

  4. 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

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER

  5. 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

    Türkçe

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERSİN NAMLI

    DOÇ. DR. RAMAZAN ÜNLÜ