Tez No	İndirme	Tez Künye	Durumu
392031		Doğal taş plakaların makine görmesi ile otomatik sınıflandırılması / Automatic classification of natural stone plate with machine vision Yazar:SEDAT METLEK Danışman: DOÇ. DR. BAYRAM CETİŞLİ Yer Bilgisi: Süleyman Demirel Üniversitesi / Fen Bilimleri Enstitüsü / Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Sayısal görüntü işleme = Digital image processing	Onaylandı Doktora Türkçe 2015 121 s.
Ülkemizde doğal taş üretiminin en son basamağı olan sınıflandırma ve kalite kontrol işlemleri, seleksiyon işçileri tarafından yapılmaktadır. Üretimin en önemli basamaklarından biri olan bu işlemler, farklı seleksiyon işçileri tarafından farklı görsel değerlendirilmeler ile yapılmaktadır. Böyle bir durumda da objektif bir sınıflandırmadan bahsetmek mümkün değildir. Doğal taş üreticisi firmalar da üretmiş oldukları ürünlerin büyük çoğunluğunu yurt dışına ihraç etmektedir. İhraç edilen ürünlerde sınıflandırma hatalarının olması, ürün siparişlerini ve değerlerini düşürmektedir. Hatta ürün iadesi, müşteri ve itibar kaybı olmaktadır. Tezde doğal taşların sınıflandırılması için seleksiyon işçileri yerine görüntü işleme algoritmaları ile çalışan bir makine görme sistemi tasarımı gerçekleştirilmiştir. Tasarlanan sistemde endüstriyel kamera, LED aydınlatma, yürüyen bant, endüstriyel bilgisayar, kontrol paneli, soğutma ünitesi bulunmaktadır. Mevcut sistemin otomatik çalışması için MATLAB ortamında yazılımlar geliştirilmiştir. Tezde YCbCr, OHTA, HSV, YIQ(NTSC), YUV, HSI, HSL, XYZ, DAC, XYZ(d65), LAB, CMY, double(RGB), LUV, CAT02LMS, RGB renk uzaylarından toplamda 176 adet renk özniteliği; yine aynı renk uzaylarından eş oluşum matrislerinden yararlanarak, zıtlık, homojenite, enerji ve entropi doku öznitelikleri de çıkartılmıştır. Çıkartılan bu özniteliklerin hepsi ayırt edici değildir. Hatta bazıları sınıflandırma başarısını düşürmektedirler. Ayırt edici öznitelikleri belirlemek için Fisher ölçütü, Pearson katsayıları, Dilsel Kuvvetli ve Uyarlamalı Sinir Bulanık Sınıflayıcısı kullanılmıştır. Seçilen öznitelikler, Bayes ve Uyarlamalı Sinir Bulanık Sınıflayıcı ile sınıflandırılmıştır. Yapılan testler sonucunda hem öznitelik seçiminde, hem de sınıflandırmada Uyarlamalı Sinir Bulanık Sınıflayıcının en iyi sonucu verdiği görülmüştür. Yapılan deneysel çalışmalar sonucunda, Burdur Bucak yöresine ait 45x45 cm2 boyutlarındaki beş ayrı sınıfa ait toplam 100 adet traverten taş plaka, %94 başarı oranıyla sınıflandırılmıştır. Bir taşın resminin alınarak sınıflandırılması ortalama üç saniye içerisinde gerçekleştirilmiştir. Tasarlanan sistem, bu sonuçlar ile sanayi ortamında gerçek zamanlı çalışabilecek niteliktedir.
In Turkey, classification which is the last step of the natural stone production process is carried out by selection workers. One of the most important stages of the production process is made by different visual evaluations by different selection workers. In that case, it is impossible to indicate this process as an objective classification. Natural stone manufacturers' exports major part of the productions to the other countries. The occurring of classification errors at exported products is decreased the quantity order and value of products. Insomuch that product returns from the costumer, loss of customers or prestige can be done. In this thesis, the design of an automation system with image processing algorithms for the classification of natural stone instead of selection workers is developed. In the designed system an industrial camera, LED lighting, conveyor belt, industrial computers, control panel, cooling unit is used. Software is developed in MATLAB environment for automatic operation of the system. In this thesis total 176 colors in the color space YCbCr, OH, HSV, Y (NTSC), YUV, HSI, HSL, XYZ, DAC, XYZ (D65), LAB, CMY, double (RGB), LUV, CAT02LMS, RGB, and owing to the co-occurrence matrix of the same color space contrast, homogeneity, energy and entropy texture features are generated. All of these features are not distinguishing. Even though, some of them decrease the classification performance. Fisher criterion, Pearson Coefficients and Adaptive Neural Fuzzy Classifier with Linguistic Hedges are used to determine the distinctive features. The selected features are classified by Bayes and Adaptive Neural Fuzzy Classifier. Adaptive Neural Fuzzy Classifier gives the best result in both feature selection and classification in result of the test outcome. In the result of the experiments, success rate of 94% is achieved within the averagely classification time of 3 seconds, for the size of 45x45cm2, and five different classes of total 100 travertine stone plates which are found in the local area of the Burdur Bucak. The system is capable of working in real time applications in the industry with the obtained results.