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.
İzmir Katip Çelebi Üniversitesi Bilimsel Araştırma Projeleri Koordinatörlüğü
2021-TYL-FEBE-0009
Bu çalışma, İzmir Katip Çelebi Üniversitesi Bilimsel Araştırma Projeleri Koordinatörlüğü, Proje no: 2021-TYL-FEBE-0009 tarafından desteklenmiştir. Ayrıca Kur Mermer Granit A.Ş.’ye veri setinin oluşturulması sürecinde çalışmaya sağladıkları katkıları için teşekkürlerimi sunarım. Ek olarak Murat CANAYAZ ve Fatih ULUDAĞ’a oluşturdukları veri setini halka açık olarak paylaştıklarından dolayı bilime yapmış oldukları katkı için teşekkür ederiz.
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.
2021-TYL-FEBE-0009
Primary Language | Turkish |
---|---|
Subjects | Artificial Intelligence |
Journal Section | PAPERS |
Authors | |
Project Number | 2021-TYL-FEBE-0009 |
Publication Date | October 20, 2021 |
Submission Date | September 3, 2021 |
Acceptance Date | September 16, 2021 |
Published in Issue | Year 2021 Volume: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Issue: Special |
The Creative Commons Attribution 4.0 International License
is applied to all research papers published by JCS and
A Digital Object Identifier (DOI) is assigned for each published paper.