Faster R-CNN Kullanarak Elmalarda Çürük Tespiti

Basit Öğe Kaydı
dc.contributor.authorCömert, Onur
dc.contributor.authorHekim, Mahmut
dc.contributor.authorAdem, Kemal
dc.date.accessioned2025-01-21T14:27:06Z
dc.date.available2025-01-21T14:27:06Z
dc.date.issued2019
dc.description.abstractBu 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. 
dc.description.abstractIn 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.
dc.identifier.dergipark469929
dc.identifier.doi10.29137/umagd.469929
dc.identifier.issn1308-5514
dc.identifier.issue1-335
dc.identifier.startpage341
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/650447
dc.identifier.urihttps://dergipark.org.tr/tr/pub/umagd/issue/39915/469929
dc.identifier.urihttps://doi.org/10.29137/umagd.469929
dc.identifier.urihttps://hdl.handle.net/20.500.12587/20057
dc.identifier.volume1
dc.language.isotr
dc.publisherKırıkkale Üniversitesi
dc.relation.ispartofUluslararası Mühendislik Araştırma ve Geliştirme Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_20241229
dc.subjectÇürük elma tespiti
dc.subjectgörüntü işleme
dc.subjectsınıflandırma
dc.subjectevrişimsel sinir ağı
dc.subjectFaster R-CNN
dc.subjectBruised apple detection
dc.subjectimage processing
dc.subjectclassification
dc.subjectconvolutional neural network
dc.subjectFaster R-CNN
dc.titleFaster R-CNN Kullanarak Elmalarda Çürük Tespiti
dc.title.alternativeBruise Detection Using Faster R-CNN
dc.typeArticle

Dosyalar

Koleksiyon

Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
TR-Dizin İndeksli Yayınlar Koleksiyonu