Grafiksel Arayüz Tabanlı Mermer Sınıflandırma Uygulaması Geliştirme

Erhan Turan; Beşir Dandıl; Cafer Bal

doi:10.29109/gujsc.818058

Grafiksel Arayüz Tabanlı Mermer Sınıflandırma Uygulaması Geliştirme

Öz

Mermerlerin dokularına göre sınıflandırma işlemi, uzmanlık gerektiren kişisel görüşe dayalı manuel bir işlemdir. Uzman personel işletme içinde belirlenen ölçütlere göre mermeri renk, homojenlik ve dokusuna göre sınıflandırmaktadır. Personel kaynaklı yanlış sınıflandırma işleminden dolayı firma ekonomik ve ticari itibar kaybına uğrayabilmektedir. Bu çalışmada makine öğrenme tabanlı mermer sınıflandırma Grafiksel Arayüz (Graphical Interface - GUI) uygulaması geliştirilmiştir. GUI üzerinde görüntülerin özellik çıkarımı için Yerel İkili Örüntü (Local Binary Pattern- LBP), Histogram ve Ölçekten Bağımsız Özellik Dönüşüm (Scale Invariant Feature Transform- SIFT) yöntemleri kullanılmıştır. Sınıflandırma işleminde ise Uç Öğrenme Makinesi (Extreme Learning Machine-ELM), Karar Ağacı (Decision Tree- DT), Destek Vektör Makinesi (Support Vector Machine- SVM) ve Yapay Sinir Ağı (Artifical Neural Network- ANN) kullanılarak toplu sınıflandırma gerçekleştirilmiştir. Geliştirilen GUI ile eğitim işlemi yapıldıktan sonra sınıfı bilinmeyen mermerin türü uzman personele ihtiyaç duyulmadan saniyeler içerisinde belirlenebilmektedir. Bu çalışma, endüstriyel kullanıma yönelik mermer sınıflandırma uygulamasının, temelini oluşturmaktadır.

Anahtar Kelimeler

Kaynakça

[1] M. Arıkan., "Türkiyede Mermercilik," Bilimsel Madencilik Dergisi, vol. Cilt 2,Sayı 7, 1962.
[2] M. A. Selver, O. Akay, F. Alim, S. Bardakci, and M. Olmez, "An automated industrial conveyor belt system using image processing and hierarchical clustering for classifying marble slabs," Robotics and Computer-Integrated Manufacturing, vol. 27, pp. 164-176, Feb 2011.
[3] J. Martinez-Alajarin, J. D. Luis-Delgado, and L. M. Tomas-Balibrea, "Automatic system for quality-based classification of marble textures," Ieee Transactions on Systems Man and Cybernetics Part C-Applications and Reviews, vol. 35, pp. 488-497, Nov 2005.
[4] X. Y. Bian, C. Chen, Q. Du, and Y. X. Sheng, "Extended Multi-Structure Local Binary Pattern for High-Resolution Image Scene Classification," 2016 Ieee International Geoscience and Remote Sensing Symposium (Igarss), pp. 5134-5137, 2016.
[5] V. T. Hoang, A. Porebski, N. Vandenbroucke, and D. Hamad, "LBP parameter tuning for texture analysis of lace images," 2016 Second International Image Processing, Applications and Systems (Ipas), 2016.
[6] F. Lopez, J. M. Valiente, R. Baldrich, and M. Vanrell, "Fast surface grading using color statistics in the CIE lab space," Pattern Recognition and Image Analysis, Pt 2, Proceedings, vol. 3523, pp. 666-673, 2005.
[7] E. Turan, F. Ucar, B. Dandıl, , "Local Binary Patterns and Extreme Learning Machine based Texture Classification of Marbles," IDAP, 2018. [8] Parlak, K.Ş., Turan, E., Real-Time Classification of Marbles with Decision-Tree Method. 19th International Conference on Electrical, Computer, Electronics and Communication Engineering (ICECECE),2017
[9] G.-B. Huang, Zhu, Q.-Y. and Siew, C.-K, "Extreme learning machine: theory and applications," Neurocomputing 70(1), 489–501., 2006.

[10] H. Açikgöz, İ. Poyraz, and R. Çöteli, “IEEE 14-Baralı Güç Sisteminde Gerilim Kararlılığının Uç Öğrenme Makinesi İle Analizi,” Gazi Üniversitesi Fen Bilim. Derg. Part C Tasarım ve Teknol., vol. 7, no. 3, pp. 564–575, 2019.
[11] J. R. Quinlan, "Programs for Machine Learning," Morgan Kaufmann Publishers, 1993.
[12] M. Peker and O. Özkaraca, “Büyük ölçekli veri setleri için GPU hızlandırmalı melez bir GA-SVM: Cu-GA-SVM,” Gazi Üniversitesi Fen Bilim. Derg. Part C Tasarım ve Teknol., vol. 6, no. 3, pp. 581–591, 2018.
[13] N. V. Mankar, A. Khobragade, and M. M. Raghuwanshi, "Classification of Remote Sensing Image Using SVM Kernels," 2016 World Conference on Futuristic Trends in Research and Innovation for Social Welfare (Startup Conclave), 2016.
[14] A. Gülcü and Z. Kuş, “Konvolüsyonel Sinir Ağlarında Hiper-Parametre Optimizasyonu Yöntemlerinin İncelenmesi,” Gazi Üniversitesi Fen Bilim. Derg. Part C Tasarım ve Teknol., vol. 7, no. 2, pp. 503–522, 2019.
[15] K. A. Greenhow and C. G. Johnson, "Regioned Downsample for ANN Image Classification," 2015 Sai Intelligent Systems Conference (Intellisys), pp. 793-797, 2015.
[16] S. M. Vieira, J. M. C. Sousa, and J. R. C. Pinto, "Ant based fuzzy modeling applied to marble classification," Image Analysis and Recognition, Pt 2, vol. 4142, pp. 90-101, 2006.
[17] M. H. Liu, J. Shen, and J. H. Zhao, "Classification of Beef Marbling by Image Processing," 2009 Asia-Pacific Conference on Information Processing (Apcip 2009), Vol 2, Proceedings, pp. 7-10, 2009.
[18] I. Topalova and A. Tzokev, "Automated Texture Classification of Marble Shades with Real-Time PLC Neural Network Implementation," 2010 International Joint Conference on Neural Networks Ijcnn 2010, 2010.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Erhan Turan ^*
0000-0003-4423-0118
Türkiye

Beşir Dandıl
0000-0002-3625-5027
Türkiye

Cafer Bal
0000-0002-1199-2637
Türkiye

Yayımlanma Tarihi

29 Aralık 2020

Gönderilme Tarihi

29 Ekim 2020

Kabul Tarihi

16 Aralık 2020

Yayımlandığı Sayı

Yıl 2020 Cilt: 8 Sayı: 4

DOI

https://doi.org/10.29109/gujsc.818058

IZ

https://izlik.org/JA28KX55MR

Kaynak Göster

RIS / Bibtex

APA

Turan, E., Dandıl, B., & Bal, C. (2020). Grafiksel Arayüz Tabanlı Mermer Sınıflandırma Uygulaması Geliştirme. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 8(4), 1034-1050. https://doi.org/10.29109/gujsc.818058