Geri Dön

Innovative computational techniques for accurate internal defect detection in trees: A stress wave tomography approach enhanced by machine learning

Ağaçlarda iç kusurların doğru tespiti için yenilikçi hesaplamalı teknikler: Makine öğrenimi ile geliştirilmiş bir stres dalgası tomografi yaklaşımı

PDF İndir

  1. Tez No: 882639
  2. Yazar: ECEM NUR YILDIZCAN
  3. Danışmanlar: DOÇ. DR. BURCU TUNGA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Matematik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 103

Özet

Ağaçlar, doğal ekosistemlerimizin temel unsurlarından biridir ve hem ekolojik dengeyi korumak hem de canlılığın ihtiyaçlarını karşılamak için hayati öneme sahiptir. Ancak, ağaçlar çeşitli tehditlerle karşı karşıya kalabilirler. İç kusurlar, bu tehditlerden biridir. Ağaç iç kusurları, doğal büyüme süreci, hastalık ve zararlı organizmalar, doğal olaylar, iklim ve çevresel faktörler ile insan etkisinin birleşimi sonucunda meydana gelebilmektedir. Ağaçlar kendi doğal büyüme süreçlerinde hızlı veya düzensiz büyüme, çapraz dallanma, iç çürüme veya çatlamalar gibi kusurlar oluşturabilirler. Hastalıklar, mantarlar, böcekler veya diğer patojenler ağacın iç kısımlarına zarar verebilir ve çürümeye neden olabilirler. Doğal afetler, özellikle fırtınalar, yıldırımlar ve yangınlar, ağaç yapısını etkileyebilir ve iç kusurlara neden olabilir. İklim ve çevresel faktörler, uzun süreli nem, kuruluk, aşırı sıcaklık veya soğukluk gibi etkenler ağaç iç kusurlarını etkileyebilirler. İnsan etkisi, yanlış kesim teknikleri veya aşırı işleme gibi uygulamalarla ağaçların yapısını zayıflatarak iç kusurlara yol açabilir. Bu faktörlerin bir araya gelmesiyle, ağaçlar iç kusurlar geliştirebilir ve bu kusurlar ahşap ürünlerin kalitesini etkileyebilir. Ağaçlardaki iç kusurların tespiti, hem orman ekosisteminin sağlığı açısından hem de ahşap ürünlerin endüstriyel önemi göz önüne alındığında kritik bir öneme sahiptir. İç kusurların tespiti, hem ormancılık endüstrisinde hem de ahşap ürünlerin üretiminde hayati bir faktördür. Kusur tespiti için kullanılan geleneksel yöntemler genellikle ahşabın kesilmesi veya işlenmesi gibi oldukça tahribat yaratan işlemler gerektirir ve bu da kaynak israfına ve ekosisteme zarar verilmesine yol açmaktadır. Bu nedenle, non-invaziv tekniklerin kullanılması, ahşabın yapısını bozmadan iç kusurları belirleme imkanı sunar. Non-invaziv teknikler, ağaçların doğal yapısı tahrip etmeden ağaçların içindeki kusurları tespit etmek amacıyla yüksek çözünürlüklü görüntüler elde etmek için kullanılmaktadır. Bu yöntemler, ağaçların sağlamlığını ve kalitesini belirlemek için çok önemlidir. Bu amaçla geliştirilen farklı teknolojiler farklı yöntemler önerilerek geliştirilmiştir. Manyetik rezonans görüntüleme (MRI), ultrasonografi ve termografi gibi non-invaziv görüntüleme teknikleri de iç kusurları tespit etmek için kullanılabilir. Bu teknikler, farklı fiziksel prensiplere dayanarak ağaçların iç yapısını görüntüleyebilir ve olası kusurları belirleyebilir. Örneğin, MRI, ağacın iç yapısını manyetik alanlar kullanarak detaylı bir şekilde görüntüleyebilirken, ultrasonografi ses dalgalarını kullanarak iç kusurları tespit edebilir. Termografi ise ağaç yüzeyinin sıcaklık dağılımını analiz ederek iç kusurları belirleyebilir. Bu çeşitlilik, farklı koşullarda ve farklı kusur tiplerinde etkili bir tespit sağlar, böylece ağaçların sağlamlığı ve kalitesi daha kapsamlı bir şekilde değerlendirilebilir. Böylece, non-invaziv tekniklerin kullanılması, ahşabın yapısını bozmadan iç kusurları belirleme imkanı sunar. Özellikle stres dalgası tomografisi gibi teknikler, ağaçların içindeki kusurları tespit etmek için sıklıkla kullanılmıştır. Makine öğrenmesi algoritmaları, bu non-invaziv tekniklerle elde edilen anlamlı veri setlerinin analiz edilmesinde ve iç kusurların doğru bir şekilde tespit edilmesi ve sınıflandırılmasında kritik bir araçtır. Bu algoritmalar, verilerdeki örüntüleri tanımlayabilir, karmaşık ilişkileri belirleyebilir ve sonuçları anlamlandırabilir. Bu sayede, ahşap ürünlerin kalitesinin artırılmasına ve orman kaynaklarının sürdürülebilir bir şekilde yönetilmesine katkı sağlanmaktadır. Bu tez çalışması, ağaçlardaki iç kusurları tespit etmek amacıyla geliştirilmiş olan bir ışın segmentasyonu yöntemi ve makine öğrenmesine dayalı stres dalgası tomografisi üretebilen bir algoritma tasarımını detaylı bir şekilde ele almaktadır. Bu tasarım, modern teknolojinin avantajlarından yararlanarak, ağaçların iç kusurlarını belirleme sürecini daha etkin ve doğru hale getirmeyi hedeflemiştir. Algoritmanın temelini oluşturan ışın segmentasyonu, ağaçlara monte edilen sensörler tarafından toplanan stres dalgaları verilerini analiz etmektedir. Bu veriler, ağacın iç yapısında meydana gelen değişiklikleri tespit etmek ve olası kusurları belirlemek için kullanılmıştır. Sensörlerden gelen veriler, ışın segmentasyonu algoritması tarafından işlenmiş ve ağaç içinde farklı bölgelerin belirlenmesine olanak tanımıştır. Bu bölgeler, potansiyel kusurların bulunduğu alanları işaretleyerek daha sonra detaylı bir inceleme için belirlenmiştir. Makine öğrenmesine dayalı stres dalgası tomografisi ise, belirlenen kusurlu bölgelerde daha derinlemesine bir analiz yapmak için kullanılmıştır. Bu sayede, belirlenen kusurların türü, büyüklüğü ve dağılımı hakkında daha ayrıntılı bilgi elde edilmiştir. İlk aşama olan ışın haritası oluşturulması ve segmentasyonu, bir sonraki adımda kullanılacak olan veriyi belirlediği için yüksek önem taşımaktadır. Ağaç gövdelerine monte edilen sensörlerin birbirine gönderdiği stres dalgalarının düz bir yol izlediği kabul edilir. Bu ışınlar her sensör bir köşeye denk gelecek şekilde oluşturulan bir poligonun köşegenlerini oluşturmaktadır. Oluşan poligon ise veri toplanan ağacın yatay kesitini göstermektedir. Stres dalgalarının oluşturduğu bu şekle“ışın haritası”ismi verilmiştir. Işın haritasındaki her bir ışın, çıktığı sensörden ulaştığı sensöre ulaşma süresine göre renklendirilmiştir Renklendirilmiş ışın haritasını daha anlamlı hale getirmek için komşuluğa dayalı bir ışın bölütleme yöntemi önerilmiştir. Bu adım, ağaç içindeki farklı yoğunluk ve yapısal özelliklerin stres dalgalarını farklı hızlarda ilettiği gerçeğine dayanmaktadır. Bu sayede, ağaç içindeki çeşitli bölgelerin veya potansiyel kusurların yerlerini belirlemek için hassas bir harita oluşturulmuştur. İkinci adımda ise, bu bölütlenmiş ışın haritalarından elde edilen veriler, makine öğrenmesi algoritmalarıyla işlenerek ağaç içindeki kusurların tomografik görüntüsü oluşturulmuştur. K-En Yakın Komşu (KNN) ve Gaussian Süreç Sınıflandırıcısı (GPC) gibi algoritmalar kullanılarak, elde edilen veriler analiz edilip iç kusurların tespiti ve sınıflandırılması gerçekleştirilmiştir. Bu adım, iç kusurların doğru bir şekilde tespit edilmesini ve görselleştirilmesini sağlamaktadır. Bu tez çalışmasının temel amacı, ağaçların iç kusurlarını tahribatsız bir yöntem kullanarak yüksek doğruluk oranı ile belirleyerek ormancılık endüstrisinde verimliliği artırmak ve doğal kaynakların daha etkin bir şekilde kullanılmasını sağlamaktır. Bu amaç doğrultusunda, bu tez çalışması, makine öğrenmesi ve non-invaziv tekniklerin entegrasyonunu kullanarak ağaçlardaki iç kusurların tespitini daha etkin ve doğru hale getirmiştir. Bu da, ormancılık endüstrisi için önemli bir adım olup, hem ekonomik hem de çevresel açıdan sürdürülebilir bir geleceğe katkı sağlayabilir. Önerilen yöntem, ahşap iç kusurlarını tahribat olmadan yüksek doğruluk oranı ile tespit etme potansiyeli taşımakta ve geleneksel yöntemlere göre daha hassas sonuçlar sunmaktadır. Bu tez çalışmasında önerilen yöntemi diğer stres dalgası kullanan yöntemlerden ayıran en büyük özellik ışın haritasının ızgaralar halinde değil noktalar halinde incelenmesidir. Bu sadece ızgara yöntemi kullanan literatürdeki diğer yöntemlere göre çok daha hassas sonuçlar üretilebilmiştir. Tez çalışması kapsamında yapılan tüm deneyler çalışmalar ve değerlendirmeler Python programlama dili kullanılarak yazılmıştır. Deneyler sırasında İstanbul Üniversitesi-Cerrahpaşa Orman Fakültesi tarafından sağlanan FAKOPP akustik tomografi cihazı aracılığı ile dört adet gerçek ağaç verisi toplanmıştır. Daha kapsamlı bir deney gerçekleştirmek adına FAKOPP akustik tomografi cihazı ile toplanan verinin formatında dört adet de sentetik veri üreten bir algoritma geliştirilmiştir. Geliştirilen sentetik veri üretme algoritması ile birden fazla kusura sahip, farklı bölgelerde farklı tip kusurları bulunan ve literatürde incelenen çalışmalarda en başarısız biçimde tahmin edilen kusurlara sahip dört adet sentetik veri üretilmiştir. Hem gerçek hem sentetik ağaç verileri teker teker önerilen kusur tespiti algoritması ile işlenmiş tomografik görüntülere dönüştürülmüştür. Tüm değerlendirme metrikleri için %90'ın üzerinde başarı elde edilmiştir. İlgili çalışmalarla karşılaştırıldığında sonuçların literatüre ve ticari uygulamalara göre %7 ila %22 oranında iyileştiği belirlenmiştir. Bu sonuçlar, tez çalışmasının ağaç iç kusurlarının tespiti konusundaki etkinliğini ve önemini vurgulamaktadır. Yüksek başarı oranları, geliştirilen algoritmanın güvenilirliğini ve kullanılabilirliğini göstermektedir. Ayrıca, literatürde ve ticari uygulamalarda mevcut olan yöntemlere kıyasla önemli bir iyileşme sağlandığı ortaya çıkmıştır. Sonuç olarak, ağaçların iç kusurlarının tahribatsız biçimde yenilikçi teknolojiler kullanarak güvenilir biçimde görüntülenmesi için komşuluğa dayanan bir ışın bölütleme tekniği ve yaygın olarak kullanılan makine öğrenmesi algoritmalarından yararlanarak tomografik harita oluşturma yöntemini öneren bu tez çalışması kapsamında önerilen yöntem bilimsel literatürdeki mevcut çalışmalarla kıyaslandığında oldukça olumlu bulunmuştur.

Özet (Çeviri)

The detection of internal defects in trees holds critical importance given the health of forest ecosystems and the industrial significance of wood products. The identification of these internal defects without damaging the wood is a significant factor in the forestry industry and in the production of wood products. While traditional methods often require cutting or processing the wood, non-invasive techniques such as stress wave tomography offer the possibility of identifying internal defects without disrupting the wood's structure. This contributes both to the sustainable management of forest resources and to the improvement of wood product quality. A branch of artificial intelligence, machine learning algorithms allow computer systems to analyze data, recognize patterns, make decisions, and solve problems. These algorithms are critical tools in analyzing large datasets obtained from non-invasive techniques like stress wave tomography, and in accurately detecting and classifying internal defects. In this thesis, an algorithm design capable of generating stress wave tomography based on ray segmentation and machine learning has been developed for the purpose of detecting internal defects in trees. A two-stage algorithm has been proposed based on data obtained from stress waves produced by sensors mounted on trees and on the segmented propagation rays generated from these data. In the first step, a ray segmentation method maps the velocity of stress waves to create segmented sensors. In the second step, data obtained from these segmented rays are processed using K-Nearest Neighbors (KNN) and Gaussian Process Classifier (GPC) algorithms to create a tomographic image of defects within the tree. The algorithm carries the potential to detect internal defects in wood without causing damage and provides more precise results compared to traditional methods. Implemented using the Python programming language, the algorithm equips researchers with the ability to understand and analyze the internal structure of trees. This method stands out as a practical tool for contributing to forest health assessment and conservation through stress wave tomography. During experiments, data from four real trees were collected via sensors, and an algorithm was developed to generate four sets of synthetic defective tree data in the sensor's data format. Real tree data was provided by Istanbul University Cerrahpaşa Faculty of Forestry. All tree data were individually used to feed the proposed defect detection algorithm, and the outputs were transformed into tomographic images. Success rates above 90% were achieved for all evaluation metrics. Compared to related studies, the results showed improvements ranging from 7% to 22% relative to the literature. This thesis aims to contribute to the development of the sustainable wood industry by offering a new approach to detecting internal tree defects. Although the results obtained are quite good compared to the results in the scientific literature, it is thought that even better results will be obtained by optimizing the parameters of the algorithm or by differentiating the machine learning algorithms integrated into the method.

Benzer Tezler

  1. Tez No

    887331

    Predictive error compensated wavelet neural networks framework for time series prediction

    Zaman serisi tahmini için hata tazminli dalgacık dönüşümlü sinir ağları çerçeve yazılımı

    SERKAN MACİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BURAK BERK ÜSTÜNDAĞ

  2. Tez No

    859865

    Modeling of the marine diesel engines with comparative machine learning methodologies

    Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi

    MEHMET İLTER ÖZMEN

    Doktora

    İngilizce

    İngilizce

    2024

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN AZMİ ÖZSOYSAL

  3. Tez No

    865214

    Elazığ - Sivrice ve Gezin civarının yeraltı yapısının gravite verileri kullanılarak modellenmesi

    Modelling of the subsurface structures of Elazığ - Sivrice and Gezin region by using gravity data

    NEDİM GÖKHAN AYDIN

    Doktora

    Türkçe

    Türkçe

    2024

    Jeofizik Mühendisliğiİstanbul Teknik Üniversitesi

    Jeofizik Mühendisliği Ana Bilim Dalı

    PROF. DR. TURGAY İŞSEVEN

  4. Tez No

    844665

    Measurement-based antenna misalignment analysis and angle of arrival estimation for terahertz wireless communication systems

    Kablosuz haberleşme sistemlerinde ölçüm tabanlı hatalı anten hizalaması analizi ve geliş açısı kestirimi

    HASAN NAYİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT

  5. Tez No

    830915

    Data-driven reduced-order modeling for computational fluid dynamics

    Hesaplamalı akışkanlar dinamiği için veriye dayalı indirgenmiş modelleme

    DAMLA SAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ KARAKUŞ

    DR. ÖĞR. ÜYESİ ROMIT MAULIK

Geri Dön