Tez No	İndirme	Tez Künye	Durumu
212383		Yapay sinir ağları ile buğday tanelerinin kalite tespiti / Qulity detection of wheat kernels by using artificial neural networks Yazar:AHMET BABALIK Danışman: PROF. DR. FATİH M. BOTSALI Yer Bilgisi: Selçuk Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:Yapay sinir ağları = Artificial neural networks ; İşaret işleme = Signal processing	Onaylandı Doktora Türkçe 2007 121 s.
Günümüzde, buğday alımında fiyat belirleme ve sınıflandırma amacıyla yapılankalite denetimi işlemleri uzman kişiler tarafından yapılmakta, sonuçlar kişiye görefarklılıklar gösterebilmektedir. Bu olumsuzluğu giderebilmek amacıyla buğdaykalitesini objektif ve hızlı biçimde algılayabilen bilgisayar destekli kalite tespitsistemlerine yoğun olarak ihtiyaç duyulmaktadır.Diğer taraftan buğday yığınları içindeki süne ve kımıl gibi zararlılar tarafından tahripedilmiş taneler, ot tohumları ve yabancı maddeler yıkama, eleme gibi gelenekselyöntemler ile %100 oranında ayrılamamaktadır. Düşük oranlarda bile süne tahribatlıbuğday taneleri içeren buğday partileri kaliteli un üretiminde kullanılamamaktadır.Süne oranı %6?20 aralığındaki buğday yığınları ise ancak hayvan yemi olarakdeğerlendirilebilmektedir.Bu çalışmada buğday yığınlarının içerisindeki son ürün kalitesini olumsuz yöndeetkileyen süne tahribatlı tanelerin, yabancı ot tohumlarının, yabancı maddelerin veözellikle sert camsı türlerde önemli olan dönmüş buğday tanelerinin tespitindekullanılacak gerçek zamanlı bir sistem geliştirilmiştir. Tek sıra halinde düşen buğdaytanelerinin ışık geçirgenlik özellikleri yapay sinir ağı yardımıyla değerlendirilmiştir.Buğday tanelerinin ışık kaynağı ile sensör arasından geçişi esnasında sensör üzerindeoluşan analog işaretler bilgisayar ortamına aktarılmış ve yapay sinir ağı kullanılarakgerçek zamanlı sağlıklı ve kusurlu olarak sınıflandırılmıştır. Önerilen sistemtarafından sınıflandırılmış buğday partilerinin sınıflandırma öncesi ve sınıflandırmasonrası fiziksel ve kimyasal özellikleri değerlendirilerek önerilen sisteminkullanılabilirliği irdelenmiştir. Ortalama sınıflandırma başarısı ekmeklik buğdaylarda% 85,46, makarnalık buğdaylarda % 83,96 olarak elde edilmiştir.Anahtar Kelimeler: Buğday kalitesi, yapay sinir ağları, buğday sınıflandırma,yapay sinir ağları ile sinyal işleme.
Today, quality inspection for pricing and classification of wheat is performed byexperts during purchasing of wheat. Inspection results obtained by experts showshigh degree of variation. Computer aided quality inspection schemes are necessary inorder to avoid variation in inspection results and to have fast and reliable results.It is impossible to eliminate all sun-pest infested kernels, weed seeds and non-wheatmaterial during washing and cleaning operations in grinding process. Wheat partieseven with a low percentage of sunn-pest infested kernels may not be used in whatflourgrinding. Wheat parties containing 6-20% sun-pest infested kernels can only beused in animal feeding.In this study, a real time system that recognizes the sunn-pest infested kernels, weedseeds and non-wheat material which reduce the quality of the wheat bulk. It is alsoimportant to determine opaque kernels in hard vitreous wheat bulks. Developedsystem recognizes the kernels by using artificial neural network through using lighttransmittance data for the kernels. The kernels are classified while they pass one byone through the light source and the sensor. The analog signals generated during thepass are transferred to a digital computer and by using artificial neural network wheatkernels are classified in real time as healthy or defective. The physical and chemicalproperties of the wheat bulk before and after the classification process aredetermined and compared in order to evaluate feasibility of the suggestedclassification system. The mean of classification accuracies was obtained % 85,46for bread wheat and % 83,96 for durum wheat.Keywords: Wheat quality, artificial neural networks, wheat classification, signalsprocessing using artificial neural networks, sunn-pest.