Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması

İlhan Aydın; Hüseyin Derviş; Taha Kubilay Şener; Ayşe Didem Kılıç

Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması

Öz

Jeoloji’de kayaç ince kesitlerin tanımlanması, petrojenez, alterasyon, doku, cevherleşme, kayaçlar ve yerkabuğu işlevleri hakkında bilgi almak için kritik öneme sahiptir. Geleneksel ince kesit tanımlama yöntemi uzman deneyimi, kişisel dikkat, ağır iş yükü, uzun tanımlama döngüsü ve doğru nicelleştirme yapılamaması gibi dezavantajlar göstermektedir Bu çalışma, foid içeren magmatik kayaçların mikroskobik ince kesit görüntülerinden mineral bileşimlerinin otomatik belirlenmesini ve QAP diyagramı üzerinden sınıflandırılmasını amaçlamaktadır. Süperpiksel tabanlı etiketleme aracı kullanılarak veri etiketleme süreci kolaylaştırılmış, ardından Segformer mimarisi ile kuvars, alkali feldispat ve plajiyoklaz mineralleri yüksek doğrulukla bölütlenmiştir. Segmentasyon sonuçları kullanılarak QAP diyagramı üzerinden kayaç türleri otomatik olarak tanımlanmıştır. Karşılaştırmalı deneylerde Segformer modeli, klasik derin öğrenme mimarilerine göre daha yüksek doğruluk (%94.56) ve ortalama IoU (%73.78) başarımı göstermiştir. Bu yaklaşım, jeolojik sınıflandırmalarda otomasyonu artırarak uzman müdahalesine olan ihtiyacı azaltmakta ve daha tutarlı sonuçlar elde edilmesini sağlamaktadır.

Anahtar Kelimeler

Proje Numarası

123E368

Kaynakça

[1] A. Streckeisen, "Classification and nomenclature of plutonic rocks: recommendations of the IUGS subcommission on the systematics of igneous rocks.", Geologische Rundschau, 63, 773–786, 1974.
[2] Ö. Polat, A. Polat, T. Ekici, "Automatic classification of volcanic rocks from thin section images using transfer learning networks.", Neural Computing and Applications, 33(18), 11531-11540, 2021.
[3] N.A. Baykan, N. Yılmaz, "Mineral identification using color spaces and artificial neural networks.", Computers & Geosciences, 36, 91–97, 2010.
[4] E. Menteşe, E. Hançer, "Histopatoloji Görüntülerde Derin Öğrenme Yöntemleri ile Çekirdek Segmentasyonu.", Avrupa Bilim ve Teknoloji Dergisi, (Özel Sayı), 95-102, 2020.
[5] S. Aligholi, G.R. Lashkaripour, R. Khajavi, M. Razmara, "Automatic mineral identifcation using color tracking.", Pattern Recogn, 65, 164–174, 2017.
[6] A. Balasubramanian, "Branches of Geology(Earth Sciences)", Department of Studies in Earth Science Centre for Advanced Studies University of Mysore, 570-006, , 2017.
[7] W. Lai, Ji. Jiang, J. Qiu, J. Yu, X. Hu, "Photomicrograph dataset of rocks for petrology teaching in Nanjing University[DS/OL]", Science Data Bank, V1, 2020.
[8] D. Li, J. Zhao, J. Ma, "Experimental studies on rock thin-section image classification by deep learning-based approaches.", Mathematics, 10(13), 2317, 2022.

[9] B. Cheng, I. Misra, A. G. Schwing, A. Kirillov, R. Girdhar, "Masked-attention mask transformer for universal image segmentation.", Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 1290-1299, 2022.
[10] L.C. Chen, G. Papandreou, F. Schroff, H. Adam, "Rethinking atrous convolution for semantic image segmentation.", arXiv, , arXiv:1706.05587, 2017.
[11] C. Sun, A. Shrivastava, S. Singh, A. Gupta, "Revisiting unreasonable effectiveness of data in deep learning era.", In: ICCV, 2017.
[12] J. Yu, F. Wellmann, S. Virgo, M. von Domarus, M. Jiang, J. Schmatz, B. Leibe, "Superpixel segmentations for thin sections: Evaluation of methods to enable the generation of machine learning training data sets.", Computers & Geosciences, 170, 105232, 2023.
[13] R. Pires de Lima, D. Duarte, "Pretraining convolutional neural networks for mudstone petrographic thin-section image classification.", Geosciences, 11(8), 336, 2021.
[14] L. Chen, Y. Zhu, G. Papandreou, F. Schroff, H. Adam, "Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation", CoRR, , abs/1802.02611, 2018.
[15] R. P. de Lima, D. Duarte, C. Nicholson, R. Slatt, K. J. Marfurt, "Petrographic microfacies classification with deep convolutional neural networks.", Computers & Geosciences, 142, 104481, 2020.
[16] P. Zhang, J. Zhou, W. Zhao, X. Li, L. Pu, "The edge segmentation of grains in thin-section petrographic images utilising extinction consistency perception network.", Complex & Intelligent Systems, 10(1), 1231-1245, 2024.
[17] W. Seo, Y. Kim, H. Sim, Y. Song, T. S. Yun, "Classification of igneous rocks from petrographic thin section images using convolutional neural network.", Earth Science Informatics, 15(2), 1297-1307, 2022.
[18] H. Liu, Y. L. Ren, X. Li, Y. X. Hu, J. P. Wu, B. Li, L. Luo, Z.Tao, X.Liu, J. Liang, Y.Y. Zhang, X.Y.An, W. K. Fang, "Rock thin-section analysis and identification based on artificial intelligent technique.", Petroleum Science, 19(4), 1605-1621, 2022.
[19] E. Xie, W. Wang, Z. Yu, A. Anandkumar, J. Alvarez, P. Luo, "SegFormer: Simple and efficient design for semantic segmentation with transformers.", Advances in Neural Information Processing Systems, 34, 12077-12090, 2021.
[20] R. Marmo, S. Amodio, R. Tagliaferri, V. S. Ferreri, G. Longo, "Textural identification of carbonate rocks by image processing and neural network: methodology proposal and examples", Computers & Geosciences, 31(5), 649-659, 2005.
[21] A. Patel, S. Chatterjee, "Computer vision-based limestone rock-type classification using probabilistic neural network.", Geoscience Frontiers, 7(1), 53-60, 2016.
[22] F. Fueten, J. Mason, "An artificial neural net assisted approach to editing edges in petrographic images collected with the rotating polarizer stage.", Computers & Geosciences, 33(9), 1176-1188, 2007.
[23] J.S. Goodchild, F. Fueten, "Edge detection in petrographic images using the rotating polarizer stage.", Computers & Geosciences, 24, 745-751, 1998.
[24] P. Gottlieb, G. Wilkie, D. Sutherland, E. Ho-Tun, S. Suthers, K. Perera, J. Rayner, "Using quantitative electron microscopy for process mineralogy applications.", JOM, 52(4), 24-25, 2000.
[25] C. Su, S. J. Xu, K. Y. Zhu, X. C. Zhang, "Rock classification in petrographic thin section images based on concatenated convolutional neural networks.", arXiv:2003.10437, 2020.
[26] Zhong J, Meng Y, Liu Z. "Multichannel Sandstone Thin Sections Identification Based on Improved DeepLab V3 Plus Neural Network". ACS Omega. 2024 Jun 17, 9(26), 28611-28625.
[27] S. Karimpouli, P. Tahmasebi, "Segmentation of digital rock images using deep convolutional autoencoder networks.", Computers & Geosciences, 126, 142-150, 2019.
[28] I. Kononenko, E. Simec, M. Robnik-Šikonja, "Overcoming the myopia of inductive learning algorithms with RELIEFF.", Applied Intelligence, 7, 39-55, 1997.
[29] N. Li, H. Hao, Q. Gu, D. Wang, X. Hu, "A transfer learning method for automatic identification of sandstone microscopic images.", Computers & Geosciences, 103, 111–121, 2017.
[30] H. Ma, G. Han, L. Peng, L. Zhu, J. Shu, "Rock thin sections identification based on improved squeeze-and-excitation networks model.", Computers & Geosciences, 152, 104780, 2021.
[31] H. Wang, W. Cao, Y. Zhou, P. Yu, W. Yang, "Multitarget Intelligent Recognition of Petrographic Thin Section Images Based on Faster RCNN". Minerals, 2023, 13, 872. https://doi.org/10.3390/min13070872

Ayrıntılar

Birincil Dil

Türkçe

Konular

Elektrik Mühendisliği (Diğer)

Bölüm

Araştırma Makalesi

Yazarlar

İlhan Aydın ^*
0000-0001-6880-4935
Türkiye

Hüseyin Derviş
Türkiye

Taha Kubilay Şener
0000-0002-9846-967X
Türkiye

Ayşe Didem Kılıç
0000-0003-2919-6521
Türkiye

Yayımlanma Tarihi

31 Ocak 2026

Gönderilme Tarihi

5 Temmuz 2025

Kabul Tarihi

30 Ocak 2026

Yayımlandığı Sayı

Yıl 2026 Cilt: 16 Sayı: 1

IZ

https://izlik.org/JA48EZ38RZ

Kaynak Göster

RIS / Bibtex

APA

Aydın, İ., Derviş, H., Şener, T. K., & Kılıç, A. D. (2026). Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması. EMO Bilimsel Dergi, 16(1), 115-125. https://izlik.org/JA48EZ38RZ

AMA

1.Aydın İ, Derviş H, Şener TK, Kılıç AD. Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması. EMO Bilimsel Dergi. 2026;16(1):115-125. https://izlik.org/JA48EZ38RZ

Chicago

Aydın, İlhan, Hüseyin Derviş, Taha Kubilay Şener, ve Ayşe Didem Kılıç. 2026. “Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması”. EMO Bilimsel Dergi 16 (1): 115-25. https://izlik.org/JA48EZ38RZ.

EndNote

Aydın İ, Derviş H, Şener TK, Kılıç AD (01 Ocak 2026) Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması. EMO Bilimsel Dergi 16 1 115–125.

IEEE

[1]İ. Aydın, H. Derviş, T. K. Şener, ve A. D. Kılıç, “Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması”, EMO Bilimsel Dergi, c. 16, sy 1, ss. 115–125, Oca. 2026, [çevrimiçi]. Erişim adresi: https://izlik.org/JA48EZ38RZ

ISNAD

Aydın, İlhan - Derviş, Hüseyin - Şener, Taha Kubilay - Kılıç, Ayşe Didem. “Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması”. EMO Bilimsel Dergi 16/1 (01 Ocak 2026): 115-125. https://izlik.org/JA48EZ38RZ.

JAMA

1.Aydın İ, Derviş H, Şener TK, Kılıç AD. Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması. EMO Bilimsel Dergi. 2026;16:115–125.

MLA

Aydın, İlhan, vd. “Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması”. EMO Bilimsel Dergi, c. 16, sy 1, Ocak 2026, ss. 115-2, https://izlik.org/JA48EZ38RZ.

Vancouver

1.İlhan Aydın, Hüseyin Derviş, Taha Kubilay Şener, Ayşe Didem Kılıç. Yarı-Otomatik Etiketleme Ve Segformer Tabanlı Bölütleme İle QAP Diyagramına Dayalı Kayaç Türü Sınıflandırması. EMO Bilimsel Dergi [Internet]. 01 Ocak 2026;16(1):115-2. Erişim adresi: https://izlik.org/JA48EZ38RZ