Geri Dön

Görüntü işleme teknikleri kullanılarak kayısı sınıflandırılması (sınıflandırma yöntemlerinin karşılaştırılması) ve leke analizi

Classification of apricot using image processing techniques (compari̇son of classification methods) and stain analysis

  1. Tez No: 800460
  2. Yazar: İBRAHİM HAKKI KADİRHANOĞULLARI
  3. Danışmanlar: DOÇ. DR. KÖKSAL KARADAŞ
  4. Tez Türü: Doktora
  5. Konular: Ziraat, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Iğdır Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Tarım Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Meyvelerin depolanmasında ve pazara sunulmasında sınıflandırılması ve leke analizinin yapılması büyük önem taşımaktadır. Genellikle bu işlemler insan gözüyle yapıldığından emek ve zaman kaybı ile birlikte ekonomik olarak da külfet oluşturmaktadır. Teknolojinin gelişmesi ve bilgisayarlı görmenin artması ile bu sorunun üstesinden gelineceği öngörülmektedir. Bu nedenle tez çalışmasında meyve çeşitlerinden kayısıların renk ve boyut özelliklerine göre sınıflandırılması ve leke analizinin yapılması için makine öğrenmesi ve görüntü işleme yöntemleri kullanılarak bir scriptin yazılması amaçlanmıştır. Kayısı çeşitleri olarak Iğdır ilinde yetişen Ağerik, Şalak ve Teberze seçilmiştir. Kayısılar Ağerik, Şalak, Teberze ve Çürük (Ağerik, Şalak ve Teberze karışımı) olarak dört sınıfa ayrılmıştır. Her bir çeşitten 250 örnek olmak üzere toplamda 1000 örnekle çalışma yürütülmüştür. Yapay Sinir Ağları, Naïve Bayes, Destek Vektör Makinaları ve Karar Ağacı sınıflandırma algoritmaları yöntem olarak kullanılmıştır. Laplace, Average, Gaussian, Medyan, Unsharp ve Blurring resim iyileştirme filtreleri denenmiş ve en iyi sonucu veren Medyan Filtresi kullanılmıştır. LoG, Canny, Roberts, Prewitt ve Sobel özellik çıkarma filtreleri denenmiş ve çalışmaya uygunluğu için LoG filtresi seçilmiştir. Çalışmada algoritma ölçümlerinden doğruluk, duyarlılık, özgüllük, kesinlik ve Fpuanı sonuçlarına bakılmıştır. Dört sınıf kayısının birbirinden ayrı sınıflandırılması özellikle çürüklerin sağlamlardan ayrı sınıflandırılması için algoritmaların duyarlılık sonuçları dikkate alınmıştır. Yapay sinir ağları kayısıların sınıflandırılmasında %100 başarı yakalamıştır. Karar Ağacı ile Ağerik Kayısıyı %96,8 Şalak Kayısıyı %93,2 Teberze Kayısıyı %96,8 ve Çürük Kayısıyı %88,4 başarı oranıyla sınıflandırmıştır. Destek Vektör Makinaları Ağerik Kayısıyı %97,2 Şalak Kayısıyı %76,8 Teberze Kayısıyı %97,6 ve Çürük Kayısıyı %58,4 başarı oranıyla sınıflandırmıştır. Naïve Bayes Ağerik Kayısıyı %82, Şalak Kayısıyı %78.4 Teberze Kayısıyı %97,6 ve Çürük Kayısıyı %22,4 başarı oranıyla sınıflandırmıştır. Çalışma sonuçları değerlendirildiğinde makine öğrenmesi ve görüntü işleme yöntemleri kullanılarak meyvelerde sınıflandırma ve leke analizinin başarılı bir şekilde yapılabileceği tespit edilmiştir.

Özet (Çeviri)

Throughout the phases of storage and marketing, classification and stain analysis of fruits are quite important. As human eyes are typically used to do these tasks, it is clear that there is a financial cost in addition to the loss of labor and time. With the advancement of technology and the spread of computer vision, it is projected that this issue will be solved. In this thesis, it was aimed to write a script using machine learning and image processing methods to classify apricots, one of the fruit varieties, according to their color and size characteristics and to perform stain analysis. Ağerik, Şalak and Teberze grown in Iğdır province were selected as apricot varieties. Apricots were divided into four classes as Ağerik, Şalak, Teberze and Çürük (a mixture of rotten Ağerik, Şalak, and Teberze varieties). The study was carried out with a total of 1000 samples, 250 from each variety. Artificial Neural Networks, Naïve Bayes, Support Vector Machines, and Decision Tree classification algorithms were used as methods. Laplace, Average, Gaussian, Median, Unsharp, and Blurring image enhancement filters were tried, and the Median filter was used, which gave the best results. LoG, Canny, Roberts, Prewitt, and Sobel feature extraction filters were tested, and the LoG filter was chosen for its suitability to work. In the study, the results of the algorithmic measurements were examined in terms of accuracy, sensitivity, specificity, precision, and F-score. The sensitivity results of the algorithms were considered for the classification of the four apricot classes separately from each other, especially for the classification of caries from healthy ones. Artificial neural networks have achieved 100% success in the classification of apricots. Ağerik Apricots received a success percentage of 96,8%, Şalak Apricots 93,2%, Teberze Apricots 96,8%, and Rotten Apricots 88,4% from Decision Tree. Teberze Apricots were classified by Support Vector Machines with a success rate of 97,6%, Rotten Apricots with a success rate of 58,4%, Şalak Apricots with a success rate of 76,8%, and Ağerik Apricots with a success rate of 97,2%. The success rates attributed by Naïve Bayes to Ağerik Apricots, Şalak Apricots, Teberze Apricots, and Rotten Apricots were 82%, 78,4%, 97,6% and 22,4%, respectively. According to the study's findings, classification and stain analysis of fruits utilizing machine learning and image processing techniques can be achieved successfully.

Benzer Tezler

  1. Önemli zeytin (Olea europaea L.) çeşitlerinin izoenzim polimorfizmleri ve genetik özellikleri

    Isoenzyme polymorphisms and genetic characteristics of important olive (Olea europaea L.) cultivars and types

    SEVDA DÜLGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    ZiraatÇanakkale Onsekiz Mart Üniversitesi

    Bahçe Bitkileri Ana Bilim Dalı

    YRD. DOÇ. DR. MURAT ŞEKER

  2. Kayısı yapraklarının evrişimsel sinir ağları kullanılarak sınıflandırılması

    Classification of apricot leafs via convolutional neural network

    BERNA ARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektrik-Elektronik Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR

  3. Derin öğrenme ile kayısıda kükürt analizi

    Sulfur analysis in apricot with deep learning

    ERTUĞRUL DOĞANŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. ESER SERT

  4. Bazı sert çekirdekli meyvelerde görüntü işleme teknikleri kullanılarak yaprak delen (Wılsonomyces carpophılus lév.) hastalığının hasar düzeyinin belirlenmesi

    Determining the damage level of leaf borer (Wilsonomyces carpophilus lév.) in some stone fruits using image processing techniques

    DERYA GÜVEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    ZiraatTokat Gaziosmanpaşa Üniversitesi

    Biyosistem Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET METİN ÖZGÜVEN

    PROF. DR. YUSUF YANAR

  5. Uzaktan algılama teknikleri kullanılarak kayısı bahçelerinin tespiti ve rekolte tahmini; Malatya Battalgazi örneği

    Determination and yield estimation of apricot gardens by using remote sensing techniques; Malatya Battalgazi sample

    ÜMMÜ GÜLSÜM ŞENTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Jeodezi ve FotogrametriNecmettin Erbakan Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAH VARLIK