Görüntü İşleme ile Doğal Taş Seleksiyonunda İşlem Süresini Azaltan Yeni Bir Yöntem Önerisi

Özgür Akkoyun; Yaser Fırat

doi:10.24012/dumf.1318407

Görüntü İşleme ile Doğal Taş Seleksiyonunda İşlem Süresini Azaltan Yeni Bir Yöntem Önerisi

Öz

Son yıllarda birçok alanda olduğu gibi doğal taş sektöründe de artan bir hızda, görüntü işleme yöntemlerine dayalı uygulamalar görülmektedir. Bu uygulamalar mermer renklerini bilgisayar ortamına aktarma ile başlamış ve günümüzde mermer numunelerinin renk seleksiyonunun Yapay Zeka (YZ) ve Yapay Sinir Ağları (YSA) modelleri ile yapılabildiği çalışmalara kadar gelmiştir. Ancak bu çalışmaların uygulamaya dönüşebilmeleri için hala aşılması gereken bazı engeller bulunmaktadır. Bunlardan birincisi, YSA modellerinin pahalı ve karmaşık profesyonel yazılımlar ile oluşturulup çalıştırılabilmeleridir. Bir diğer sorun işlem sürelerinin fabrikaların olağan iş-akış süresine uygun olması gerekliliğidir. Bu çalışma, problemin ikinci kısmına odaklanmış, süre kısaltma ile ilgili çalışmalar ve öneriler yapılmıştır. Bunun için önce seleksiyonu YSA destekli seleksiyon yapan bir model oluşturulmuş, ardından, işlem süresini kısaltmak için iki farklı yöntem önerilmiştir. Her bir yöntem için toplamda 29 YSA modeli tekrar oluşturulup en iyi yöntem aranmıştır. Sonuçta, önerilen yöntem ile örnek doğal taşa ait üç farklı seleksiyonun ayırma işleminin %67-90 oranlarında kısaldığı ortaya konulmuştur.

Anahtar Kelimeler

Kaynakça

[1] Gökay, M. K., ve Gündoğdu, İ. B. (2001). Mermer Renklerinin Sayısal Analiz Yoluyla Sınıflandırılması ve Mermer İşleme Tesislerindeki Kullanılabilirliği no. 40, Bilimsel Madencilik Dergisi.
[2] Martinez-Alajarin Juan, Luis-Delgado José D. And Tomás-Balibrea Luis-Manuel (2005). “Automatic system for quality-based classification of marble textures”. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews) 35 (4): 488–497.
[3] Luis-Delgado José D.,Martinez-Alajarin J., and Tomás-Balibrea Luis-Manuel (2003). “Classification of marble surfaces using wavelets”. Electronics Letters 39 (9): 714–715.
[4] Sousa João M. C., ve Pinto João R. Caldas (2004). “Comparison f Intelligent Classification Techniques Applied to Marble Classification”. Image Analysis and Recognition, 802-9.
[5] Dönmez, S., ve Sarı Dursun Y. (2005). Sayısal Görüntü Analizi Tabanlı Bir Yüzey Parlaklık Ölçüm Sistemi, Pamukkale Üniversitesi, Mühendislik Fakültesi, Mühendislik Bilimleri Dergisi, Sayı 3, Cilt 11, Sayfa 401-405.
[6] Ardalı, E. (2008). Classification Of MarbleTextures Using Neural Networks and Image ProcessingMethods, Yüksek Lisans Tezi, Elektrik-elektronik Müh. ABD, FBE, Dokuz Eylül Üniversitesi, İzmir.
[7] Selver M. Alper and Akay, O. (2009). “Evaluating clustering methods for classification of marble slabs in an automated industrial marble in spection system”. IEEE Electrical and Electronics Engineering, 2009. ELECO 2009. International Conference on, II–115.
[8] Araújo Mar a, Mart nez Javier, Ordñez Celestino ve Vilán José Antonio, (2010). “Identification of granite varieties from colour spectrum data”. Sensors 10 (9): 8572–8584.

[9] Doğan, H. ve Akay, O. (2010). “Using Ada Boost classifiers in a hierarchical framework for classifying surface images of marble slabs”. Expert Systems with Applications, 37 (12): 8814–8821.
[10] Akkoyun, Ö. (2010). An Evaluation of Image Processing Methods Applied To Marble Quality Classification, 2010 2nd International Conference on Computer Technologyand Development (ICCTD 2010), Cairo, Egypt.
[11] Yaman, Ö. (2015). Mermer Fabrikalarında Ürün Kalite Kontrolünün Görüntü Analiz Yöntemi İle Belirlenmesi, Yüksek Lisans Tezi, Maden Müh. ABD, FBE, Dokuz Eylül Üniversitesi, İzmir.
[12] Bişkin, O.T. (2011). Determination Of QualitativeAndQuantitativeProperties Of Natural Stones Using Signaland Image ProcessingTechniques, Yüksek Lisans Tezi, Elektrik-elektronik Müh. ABD, FBE, Dokuz Eylül Üniversitesi, İzmir.
[13] Abadi, M., S., E., Banihashemi, N. (2015). Automatic Classification of Travertine Stones Based On Sum And Difference Histograms Algorithm. 2015 9th Iranian Conference on Machine Visionand Image Processing (MVIP).
[14] Turhal, Ü. Ç., Aydın, S., ve Dener, G. (2015). Mermer Plakalarında Görüntü İşleme Teknikleri ile Yüzey Pürüzlülüğünün Değerlendirilmesi, Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, Cilt: 2, Sayı: 1, 2015.
[15] Careddu, N.,and Akkoyun, Ö. (2016). An investigation on the efficiency of water-jet technology for grafiti cleaning. Journal of Cultural Heritage, Volume 19, May–June 2016, Pages 426-434.
[16] Türkmen, M. (2017). Mermer Levhaların Sınıflandırılmasında Başarımın İyileştirilmesi, Yüksek Lisans Tezi, Bilgisayar Müh. ABD, FBE, Süleyman Demirel Üniversitesi, Isparta.
[17] Kemaloğlu, N. (2017). Traverten Plakaların Damar Yapılarına Göre Görüntü İşleme Teknikleri Kullanılarak Sınıflandırılması ve Kalite Kontrolü, Yüksek Lisans Tezi, Bilgisayar Müh. ABD, FBE, Süleyman Demirel Üniversitesi, Isparta.
[18] Temiz, M. (2018). Doğal Taş Karolarının Görüntü İşleme ve Makine Öğrenmesi Teknikleri İle Sınıflandırılması, Yüksek Lisans Tezi, Sosyal Bilimler Enstitüsü, Yönetim Bilişim Sistemleri Ana Bilim Dalı, Sivas Cumhuriyet Üniversitesi, Sivas.
[19] Torun, Y., Akbaş, M. R., Çelik, M. A., and Kaynar, O. (2019). Development a Machine Vision System For Marble Classification, IEEE 27th Signal Processing and Communications Applications Conference (SIU), 24-26 April 2019.
[20] Turan, E. (2018). Yerel İkili Örüntü Tabanlı Uç Öğrenme Yaklaşımı Kullanan Akıllı Örüntü Tanıma Sistemi İle Mermer Sınıflandırma Uygulaması, Yüksek Lisans Tezi, Mekatronik Müh. ABD, FBE, Fırat Üniversitesi, Elazığ.
[21] Önder, A.S. (2019). OpenGL İle Gerçek Zamanlı Doğal Taş Tasnifi Ve Performans Analizi, Yüksek Lisans Tezi, Elektronik ve Haberleşme Müh. ABD, FBE, Süleyman Demirel Üniversitesi, Isparta.
[22] Topalova, I.,and Tzokev, A. (2010). Automated Texture Classification of Marble Shadeswith Real-time PLC Neural Network Implementation. In: Neural Networks (IJCNN), The 2010 International Joint Conference. 1 –8.
[23] Pençe, İ.,and Çeşmeli Şişeci, M. (2019). Deep Learning in Marble Slabs Classification, Techno-Science-Scientific Journal of Mehmet Akif Ersoy University, 2:1, 21-26.
[24] Karaali, İ.,and Eminağaoğlu, M. (2020). A convolutional neural network model for marble quality classification, SN Applied Sciences2:1733.
[25] Ökten, M., Akosman, Ş.A., Mora, Ö.T., ve Kılıç, V. (2021). Derin Öğrenme Tabanlı Mermer Yüzeylerinin Otomatik Sınıflandırılması, Avrupa Bilim ve Teknoloji Dergisi, Özel Sayı26, S. 73-77, Temmuz 2021
[26] Karaali, İ. (2021). A Deep Learning Model for Marble Quality Classifıcation, Yüksek Lisans Tezi, Bilgisayar Müh. ABD, FBE, Dokuz Eylül Üniversitesi, İzmir.
[27] Elmas, B. (2022). Classification varieties of marble and granite by convolutional neural Networks with transfer learning method. Journal of the Faculty of Engineering and Architecture of Gazi University 37:2 (2022) 985-1001
[28] Ershad, S.F. (2011). “Color Texture Classification Approach Based on Combination of Primitive Pattern Units and Statistical Features”. The International journal of Multimedia & Its Applications 3 (3): 1-13. [29] Fırat, Yaser, (2022), Görüntü işleme yöntemleri ve mermer üretimine uygulanması, Dicle Üniversitesi Fen Bilimleri Enstitüsü, Yayınlanmamış Yüksek Lisans Tezi.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Görüntü İşleme , Madencilik Yöntemleri ve Maden Sistem Analizi

Bölüm

Araştırma Makalesi

Yazarlar

Özgür Akkoyun ^*
0000-0001-9103-8300
Türkiye

Yaser Fırat
0000-0001-9040-4583
Türkiye

Erken Görünüm Tarihi

30 Eylül 2023

Yayımlanma Tarihi

30 Eylül 2023

Gönderilme Tarihi

22 Haziran 2023

Kabul Tarihi

2 Ağustos 2023

Yayımlandığı Sayı

Yıl 2023 Cilt: 14 Sayı: 3

DOI

https://doi.org/10.24012/dumf.1318407

IZ

https://izlik.org/JA54UY45EN

Kaynak Göster

RIS / Bibtex

IEEE

[1]Ö. Akkoyun ve Y. Fırat, “Görüntü İşleme ile Doğal Taş Seleksiyonunda İşlem Süresini Azaltan Yeni Bir Yöntem Önerisi”, DÜMF MD, c. 14, sy 3, ss. 471–477, Eyl. 2023, doi: 10.24012/dumf.1318407.