SMARfacTory-Net: Development of System Design Supported by Computer Vision, QR Code and Android-Based Technologies for Classification of Marble

Abstract

The marble classification process is one of the most important stages for marble factories. At this stage, the classification process of marble is completed manually by experts. This situation brings with it human-caused errors. The main purpose of this study is to provide the classification and tracking of marble by minimizing the human effect. For this reason, a system design has been developed based on convolutional networks. At this stage, a data set consisting of twenty-eight different classes of marble has been used to train the four novel convolutional neural networks architecture designs. The convolutional neural network architecture design that achieves the best predictive performance has been named as SMARfacTory-Net. After that, the weight files of SMARfacTory-Net have been used to develop a graphical user interface for the classification of marble. In addition, QR code and Android mobile system technologies have been included in the study to provide tracking of marble.

Keywords

• Marble classification
• SMARfacTory-Net
• convolutional neural networks
• QR code
• Android

SMARfacTory-Net: Mermerin Sınıflandırılması için Bilgisayarlı Görü, QR Kod ve Android Tabanlı Teknolojilerle Desteklenen Sistem Tasarımının Geliştirilmesi

Abstract

Mermer sınıflandırma işlemi mermer fabrikaları için en önemli aşamalardan biridir. Bu aşamada mermerin sınıflandırılması süreci manuel olarak uzman kişiler tarafından tamamlamaktadır. Bu durum insan kaynaklı hataları beraberinde getirmektedir. Bu çalışmanın temel amacı mermerin sınıflandırılması ve takibinin insan etkisi en aza indirilerek sağlanmasıdır. Bu nedenle çalışmada evrişimli sinir ağlarına dayalı olarak bir sistem tasarımı geliştirilmiştir. Bu aşamada, dört yeni evrişimli ağları mimari tasarımını eğitmek için yirmi sekiz farklı mermer sınıfından oluşan bir veri seti kullanılmıştır. En iyi kestirimci performansı elde eden evrişimli sinir ağları mimari tasarımı SMARfacTory-Net olarak adlandırılmıştır. Sonrasında SMARfacTory-Net’e ait ağırlık dosyaları mermerin sınıflandırılması için grafik kullanıcı arayüzünün geliştirilmesinde kullanılmıştır. Ek olarak mermerin takibinin sağlanması için ise QR kod ve Android mobil sistem teknolojileri çalışmaya dahil edilmiştir.

Keywords

• Mermer sınıflandırma
• SMARfacTory-Net
• evrişimli sinir ağları
• QR kod
• Android

References

1. Canayaz M, Uludağ F (2020) Marble Classification Using Deep Neural Networks. Journal of Technic 10(1): 52–63.
2. Şişeci Çeşmeli İ (2019) Deep Learning in Marble Slabs Classification. Scientific Journal of Mehmet Akif Ersoy University 2(1): 21–26.
3. Akkoyun O. (2010) An evaluation of image processing methods applied to marble quality classification. ICCTD 2010 - 2010 2nd International Conference on Computer Technology and Development, Proceedings, pp: 158–162.
4. Doǧan H, Akay O. (2010) Using AdaBoost classifiers in a hierarchical framework for classifying surface images of marble slabs. Expert Systems with Applications 37(12): 8814–8821.
5. Kur Marble. (n.d.). http://www.kurmarble.com.tr/. Accessed June 15, 2021.