Faster R-CNN Kullanarak Elmalarda Çürük Tespiti
[ X ]
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada, elmalardan alınan görüntülerüzerinde evrişimsel sinir ağı yöntemlerinden olan Faster R-CNN kullanılarakelmaların çürük ve sağlam olarak sınıflandırılması amaçlanmaktadır. Önerilenmodelde işlem adımları sırasıyla görüntü alma-önişleme, çürük bölgelerin tespitedilmesi ve elmaların sınıflandırması şeklindedir. Görüntü alma-önişlemeaşamasında, tasarlanan bir görüntü alma platformu içerisinde bulunan NIR kamerakullanılmıştır. Çalışmada 100’ü çürük ve 100’ü sağlam olan toplam 200 adetelmanın her birinin 6 farklı açısından toplam 1200 adet görüntü eldeedilmiştir. Önişleme aşamasında, bu görüntülere sırasıyla uyarlamalı histogrameşitleme, kenar bulma, morfolojik işlemler uygulanmıştır. Önişlem uygulanarakgörünürlüğü iyileştirilen yeni görüntüler kullanılarak eğitilen Faster R-CNNmodeli ile çürük bölgeler tespit edilmiştir. Sınıflandırma aşamasında, çürük vesağlam elmaların tespit edilmesinde %84,95 doğru sınıflandırma oranınaulaşılmıştır. Sonuç olarak, önerilen modelin meyve suyu gıda sanayisinde çürükve sağlam elmaların otomatik olarak tespit edilmesinde kullanılabileceğidüşünülmektedir.
In this study, it is aimed to classify of the applesas bruised and robust by using Faster R-CNN which is one of the convolutionalneural network methods on images taken from apple fruit. In the proposed model,the process steps are the image acquisition-preprocessing, the determination ofthe caries regions, and the classification of the apples. During the imageacquisition-preprocessing phase, a NIR camera is used, which is located withina designed image acquisition platform. In the study, a total of 1200 imageswere obtained from 6 different angles of each of a total of 200 apples, 100 ofwhich were bruised and 100 of which were robust. In the pre-processing phase,adaptive histogram equalization, edge detection, morphological operations areapplied to these images, respectively. Caries were identified with the FasterR-CNN model trained using new images with improved visibility by applyingpreprocessing. In classification phase, 84.95% correct classification rate hasbeen reached in the detection of bruised and robust apples. As a result, it isthought that the proposed model can be used for automatic detection of bruisedand robust apples in juice food industry.
In this study, it is aimed to classify of the applesas bruised and robust by using Faster R-CNN which is one of the convolutionalneural network methods on images taken from apple fruit. In the proposed model,the process steps are the image acquisition-preprocessing, the determination ofthe caries regions, and the classification of the apples. During the imageacquisition-preprocessing phase, a NIR camera is used, which is located withina designed image acquisition platform. In the study, a total of 1200 imageswere obtained from 6 different angles of each of a total of 200 apples, 100 ofwhich were bruised and 100 of which were robust. In the pre-processing phase,adaptive histogram equalization, edge detection, morphological operations areapplied to these images, respectively. Caries were identified with the FasterR-CNN model trained using new images with improved visibility by applyingpreprocessing. In classification phase, 84.95% correct classification rate hasbeen reached in the detection of bruised and robust apples. As a result, it isthought that the proposed model can be used for automatic detection of bruisedand robust apples in juice food industry.
Açıklama
Anahtar Kelimeler
Çürük elma tespiti, görüntü işleme, sınıflandırma, evrişimsel sinir ağı, Faster R-CNN, Bruised apple detection, image processing, classification, convolutional neural network, Faster R-CNN
Kaynak
Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
1
Sayı
1-335
