Geri Dön

Evrişimsel sinir ağları kullanarak sondaj karot sandıkalrının incelenmesi ve tenör tahmini

Investigation of drilling core trays and grade estimation using convolutional neural networks

  1. Tez No: 839962
  2. Yazar: HAYDAR ÇINAR
  3. Danışmanlar: DOÇ. DR. YASEMİN KAYHAN ATILGAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Madencilik şirketleri, 2018 yılı için yaklaşık 10 Milyar USD'lık bir kaynağı yeni madenlerin keşfedilmesine ve araştırılmasına ayırmıştır. Sondaj, yeraltı maden yataklarının araştırılmasında uzun yıllardır kullanılan bir yöntemdir. Sondajlardan elde edilen karotlar kullanılarak kayayı oluşturan minerallerin cinsi, değeri ve miktarı hakkında bilgi edinilmektedir. Madencilik endüstrisinde, kaynak tahmini ve maden analizi, operasyonel verimliliği artırmak, maliyetleri düşürmek ve sürdürülebilirliği sağlamak için kritik öneme sahiptir. Çalışma, Evrişimsel Sinir Ağları kullanarak sondaj karot sandıklarının incelenmesi ve tenör tahmini üzerine odaklanmaktadır. U-Net modeli kullanılarak, demir madeni kaynaklarının değerlendirilmesi için bir görüntü segmentasyonu ve tenör tahmini uygulaması geliştirilmiştir. Veri kümesi, sondaj karot sandıklarından alınan görüntülerden oluşan bir veri tabanından elde edilmiştir. Eğitim sürecinde; U-Net modelleri, karot numunesi ve numune üzerindeki cevherli bölgenin tespiti için eğitilmiştir. Geliştirilen uygulama, karot görüntüleri üzerinden tenör hesaplamalarını gerçekleştirip çıktı olarak sunmaktadır. Bu çalışmanın, günümüz veri analiz tekniklerinin madencilik sektöründeki potansiyelini vurgulayarak, kaynak tahmini ve veri analizi alanlarında alternatif bir yöntem sunması hedeflenmektedir. Tezin sonuçlarının, öncelikle ülkemiz madencilik endüstrisi için, değerli bir katkı sağlayacağı ve gelecekteki araştırmalara, kaynak tahmini tekniklerinin geliştirilmesine ve operasyonel verimliliğin artırılmasına ilham vereceği düşünülmektedir.

Özet (Çeviri)

Mining companies have allocated approximately 10 billion USD for the exploration and investigation of new mines in 2018. Drilling has been a long-standing method for the exploration of underground mineral deposits. By using core samples obtained from drilling, information about the type, value, and quantity of minerals composing the rock can be obtained. In the mining industry, resource estimation and mineral analysis are of critical importance for improving operational efficiency, reducing costs, and ensuring sustainability. This study focuses on the examination of drilling core trays and ore grade estimation using Convolutional Neural Networks. An image segmentation and ore grade estimation application using the U-Net model has been developed for the evaluation of iron ore resources. The data used in this study were obtained from a database consisting of images extracted from drilling core trays. During the training process, U-Net models were trained to detect core samples and ore-bearing regions on the samples. The developed application performs ore grade calculations based on the core images and presents them as output. The aim of this study is to highlight the potential of modern data analysis techniques in the mining sector by providing an alternative method in the field of resource estimation and data analysis. It is expected that the findings of this thesis will contribute significantly, primarily to our country's mining industry, and inspire future research in the development of resource estimation techniques and the enhancement of operational efficiency.

Benzer Tezler

  1. Turkish medical text parsing and classification

    Türkçe medikal metin ayrıştırma ve sınıflandırma

    AHMET BARDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilim ve TeknolojiGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK

  2. Vascular segmentation of brain MR angiography images using convolutional neural networks

    Evrişimsel sinir ağları kullanarak beyin MR anjiyografi görüntülerinin vasküler segmentasyonu

    YUSUF HÜSEYİN ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. GÖZDE ÜNAL

  3. Evrişimsel sinir ağları kullanarak drone tarafından elde edilen görüntülerde nesne tanıma

    Convolutional neural network based object recognition in the images obtained by a drone

    AHMED MOHAMMED AHMED BAYATI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERSİN KAYA

  4. Evrişimsel sinir ağları kullanarak parmak ucu görüntülerinden cinsiyet tahminlemesi

    Gender prediction from fingertip images using convolutional neural networks

    KEREM SIRMA

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PAKİZE ERDOĞMUŞ

  5. Evrişimsel sinir ağları kullanarak diyabetik retinopati hastalığının tespiti

    Detection of diabetic retinopathy disease using convolutional neural network

    KEMAL AĞCA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HİDAYET TAKCI