Derin öğrenme yöntemleri kullanılarak kayaçlara ait mikroskop görüntülerinde hidrotermal alterasyon minerallerinin tanımlanması
Identification of hydrothermal alteration minerals in microscopic images of rocks using deep learning methods
- Tez No: 851082
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE ÜNSAL, DR. OKTAY CANBAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 80
Özet
Hidrotermal alterasyon, cevher oluşturan hidrotermal sıcak sulu çözeltilerin etkisiyle yan kayaçlarda meydana gelen mineralojik, kimyasal ve fiziksel değişimler olup değerli maden arama araştırmalarında kullanılan önemli bir jeolojik özelliktir. Kayaçlardan hazırlanan ince kesitler kullanılarak alterasyon türlerinin belirlenmesi ve sınıflandırılması jeolojik çalışmaların önemli bir aşaması olup uzmanlar tarafından yürütülmektedir. Bu araştırma, en yaygın beş hidrotermal alterasyon türünü tanımlamak ve sınıflandırmak için, tarafımızca oluşturulan bir Evrişimli Sinir Ağı (ESA) modeli ve Transfer Öğrenme Metotları'ndan DenseNet121, ResNet50, VGG16 ve InceptionV3 modelleri kullanılmıştır. Her derin öğrenme modeli Adam, RMSprop, SGD ve Adadelta optimizasyon fonksiyonları ile tek tek çalıştırılıp, tanımlama ve sınıflandırma çalışmaları yapılmıştır. Saha çalışmalarında toplanan temsili kayaç örneklerine ait ince kesitlerden her sınıfa ait 500 adet görüntü oluşturulup, 2500 görüntüden oluşan veri seti ile ESA eğitilip sonuçları kaydedilmiştir. Daha sonra veri seti genişletilerek, her sınıfa ait 1000 adet görüntü ile 5000 görüntüye sahip veri seti oluşturulup Transfer Öğrenme Metotları bu veri setiyle eğitilmiştir. Tüm deneysel çalışmalarda veri setinin, %70'i ağın eğitilmesinde, %20'si ağın test edilmesinde ve %10'u ağın geçerliliğinin ölçülmesinde kullanılmıştır. Evrişimli Sinir Ağları ile oluşturulan derin öğrenme ağında, dört katman bulunmaktadır. Adadelta optimizasyon fonksiyonu 1,00 oranında doğru sınıflandırma yaparak, en başarılı sınıflandırmayı gerçekleştirmiştir. DenseNet121 ile kurulan ağ, RMSprop ve Adam optimizasyon fonksiyonlarıyla, ResNet50 ile kurulan ağ RMSprop optimizasyon fonksiyonuyla, VGG16 ile kurulan derin öğrenme ağı en iyi sonuçları SGD ve Adam optimizasyon fonksiyonlarıyla, InceptionV3 ile kurulan ağ en iyi sonucu Adadelta optimizasyon fonksiyonu ile verip tüm bahsi geçen ağlardaki sınıflandırmada çalışmalarında doğruluk ve f1-skor değerleri 1,00 olarak ölçülmüştür. Yüksek seviyedeki bu sınıflandırma, hidrotermal alterasyon tiplerinin belirlenmesinde, oluşturulan derin öğrenme ağ modelinin kullanılabileceğini göstermektedir.
Özet (Çeviri)
Hydrothermal alteration is a significant geological feature used in valuable mineral exploration research, involving mineralogical, chemical, and physical changes in host rocks due to the influence of hydrothermal hot aqueous solutions that form ore. The determination and classification of alteration types using thin sections prepared from rocks are crucial stages in geological studies and are carried out by experts. In this study, we employed a convolutional neural network model and Transfer Learning Methods, including DenseNet121, ResNet50, VGG16, and InceptionV3 models, to identify and classify the most common five hydrothermal alteration types. Each deep learning model was individually run with Adam, RMSprop, SGD, and optimization functions, and identification and classification studies were conducted. The CNN was trained with 2500 images, consisting of 500 images for each class, obtained from thin sections of representative rock samples collected during fieldwork. Subsequently, the dataset was expanded by creating a dataset with 5000 images, comprising 1000 images for each class. Transfer learning methods were then deployed to train models on this extended dataset. The dataset was divided into 70% for training the network, 20% for testing, and 10% for measuring the network's validity. The deep learning network created with Convolutional Neural Networks consists of four layers. Adadelta optimization functions achieved a 100% accurate classification, making them the most successful classifiers. The network built with DenseNet121, using RMSprop and Adam optimization functions, ResNet50 with RMSprop optimization function, VGG16 with SGD and Adam optimization functions, and InceptionV3 with Adadelta optimization function yielded the best results, with accuracy and f1-score values measured as 1.00 in all mentioned networks. This high-level classification demonstrates that the deep learning network model created can be utilized in determining hydrothermal alteration types effectively.
Benzer Tezler
- TV ve set üstü cihaz arayüz kullanılabilirlik ölçümü
Usability evaluation of TV and set-top box interfaces
AYCAN PEKPAZAR
Doktora
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM ALTIN GÜMÜŞSOY
- Derin öğrenme ve görüntü işleme yöntemleri kullanılarak değerli metallerin belirlenmesi
Detection of precious metals using deep learning and image processing methods
ASLAN TÜRKHAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MÜCAHİD GÜNAY
- Educational reforms in Ethiopia: From the imperial era to the present
Etiyopya'da eğitim reformları: Emperyal dönemden günümüze
SALİH AHMED MAHAMMODA
Doktora
İngilizce
2022
Eğitim ve ÖğretimNecmettin Erbakan ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. İSA KORKMAZ
- EEG işaretlerinden dikkat eksikliği ve hiperaktivite bozukluklarının makine öğrenmesi yöntemleri ile belirlenmesi
Attention deficit and hyperactivity from EEG signs determination of disorders by machine learning methods
BUĞRA KARAKAŞ
Yüksek Lisans
Türkçe
2024
Çocuk Sağlığı ve HastalıklarıFırat ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Istanbul walkabouts: A critical walking research of Northern Istanbul
İstanbul seferleri: Kuzey İstanbul'un eleştirel yürüme araştırması
NAZLI TÜMERDEM MEDARİC
Doktora
İngilizce
2018
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ARZU ERDEM
PROF. DR. SİBEL BOZDOĞAN