Evrişimsel sinir ağları kullanarak sondaj karot sandıkalrının incelenmesi ve tenör tahmini
Investigation of drilling core trays and grade estimation using convolutional neural networks
- Tez No: 839962
- Danışmanlar: DOÇ. DR. YASEMİN KAYHAN ATILGAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Turkish medical text parsing and classification
Türkçe medikal metin ayrıştırma ve sınıflandırma
AHMET BARDIZ
Yüksek Lisans
İngilizce
2019
Bilim ve TeknolojiGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- 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
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. GÖZDE ÜNAL
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSİN KAYA
- Evrişimsel sinir ağları kullanarak parmak ucu görüntülerinden cinsiyet tahminlemesi
Gender prediction from fingertip images using convolutional neural networks
KEREM SIRMA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PAKİZE ERDOĞMUŞ
- Evrişimsel sinir ağları kullanarak diyabetik retinopati hastalığının tespiti
Detection of diabetic retinopathy disease using convolutional neural network
KEMAL AĞCA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİDAYET TAKCI