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
- Tez No: 800460
- Danışmanlar: DOÇ. DR. KÖKSAL KARADAŞ
- Tez Türü: Doktora
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Iğdır Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Tarım Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2004
ZiraatÇanakkale Onsekiz Mart ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
YRD. DOÇ. DR. MURAT ŞEKER
- Kayısı yapraklarının evrişimsel sinir ağları kullanılarak sınıflandırılması
Classification of apricot leafs via convolutional neural network
BERNA ARI
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Derin öğrenme ile kayısıda kükürt analizi
Sulfur analysis in apricot with deep learning
ERTUĞRUL DOĞANŞAHİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ESER SERT
- 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
2024
ZiraatTokat Gaziosmanpaşa ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET METİN ÖZGÜVEN
PROF. DR. YUSUF YANAR
- 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
2020
Jeodezi ve FotogrametriNecmettin Erbakan ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH VARLIK