Geri Dön

Görüntü işleme ve yapay sinir ağları kullanarak mineral tanıma

Görüntü işleme ve yapay sinir ağlari kullanarak mineral tanima

PDF İndir

  1. Tez No: 355500
  2. Yazar: FATİH ABA
  3. Danışmanlar: YRD. DOÇ. DR. SEVCAN KÜRÜM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeoloji Mühendisliği, Geological Engineering
  6. Anahtar Kelimeler: Optik mineraloji dersi, Sayısal görüntü işleme, Yapay sinir ağları, Optical mineralogy course, Digital image processing, Artificial neural networks
  7. Yıl: 2014
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Jeoloji Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Farklı metot ve algoritmalar kullanılarak mineraller tanımlanabilinir. Bu metotlardan bir tanesi minerallerin mikroskobik (polarize) renklerini kullanarak minerali tanımlamaktır. Renk spektrumunda her bir rengin bir piksel değeri vardır. Bu çalışmada RGB spektrumunda tanımlanan RGB değerleri giriş değerlerini oluşturmak için parametre olarak kullanılmıştır. Çalışmanın birinci safhasında, mineralin ince kesitinden çok sayıda görüntü, mikroskoba monte edilmiş dijital fotoğraf makinesi ile elde edilmiştir. Elde edilen bu görüntüler bilgisayara JPEG formatıyla kaydedilmiştir. Bu görüntülerin piksel değerleri matrise yüklenerek görüntü kümeleri oluşturulmuştur. K-Means algoritması kullanılarak görüntünün piksel değerlerinden elde edilen değerler 3 gruba ayrılmıştır. Çalışmanın ikinci safhasında, birinci safhada elde edilen sonuçlar, oluşturulan yapay sinir ağlarında kullanılarak minerallerin tanımlanması yapılmıştır. Çalışmada kullanılan, alkali feldispat, plajiyoklaz, piroksen ve kuvars mineralleri yaklaşık %12 - %80 doğruluk oranında iken olivin, muskovit, hornbled ve biyotit %64'ün üzerinde doğruluk değeri ile sonuçlanmıştır.

Özet (Çeviri)

The different methods and algorithms can be used to identify the minerals. One of the methods of identifying minerals is to use the the microscopic / poloarization colors of minerals. Each color has a pixel value in the color spectrum. The pixel values of RGB (Red, Green, Blue) color spectrum are used as parameters to populate the the input data for this study. In the first phase of this study, a lot of images are taken from the thin sections of the minerals by using a digital camera mounted to a microscope. These polorized images are transmitted into the testing and development computer as Joint Photographic Experts Group (JPEG) images. The data which is obtained from the pixel values of one of the images is loaded to the matrixes for further image clustering process. The K-Means algorithm is used to classify the loaded image data based on the pixel values of the mineral. The image data is divided into three clusters using K-Means to avoid the local minima. In the second phase of this study, the output data obtained from the first step is used to train a neural network with forward propagation. Once a neural network with forward propagation training is completed, the neural network identified the minerals. The Alcali Feldspar, Plagioklas, Pyroxene and Quartz Minerals which are used in this study proved with approximately between %12 and %80 accuracy whereas the olivin, muscovite, hornblende, and biotite minerals proved with over than 64% accuracy.

Benzer Tezler

  1. Tez No

    513306

    Doğal taş karolarının görüntü işleme ve makine öğrenmesi teknikleri ile sınıflandırılması

    Classification of natural stone tile with image processing and machine learning technique

    MUSTAFA TEMİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İşletmeSivas Cumhuriyet Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. OĞUZ KAYNAR

  2. Tez No

    199631

    Sondaj köpükleri özniteliklerinin görüntü işleme teknikleri ile çıkarımı ve yapay sinir ağları kullanarak veri analizi

    Extracting the features of drilling foams with image processing techniques and data analysis using artificial neural networks

    VELİ MERT ALTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTobb Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. AHMET MURAT ÖZBAYOĞLU

  3. Tez No

    283209

    Görüntü işleme teknolojisi ve yapay sinir ağlarının gıda ürünlerinde bazı kalite özelliklerinin belirlenmesinde kullanılması

    Determination of some quality properties of foods using image processing technology and artificial neural networks

    HASAN MURAT VELİOĞLU

    Doktora

    Türkçe

    Türkçe

    2010

    Gıda MühendisliğiNamık Kemal Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL HAKKI BOYACI

    PROF. DR. ŞEFİK KURULTAY

  4. Tez No

    112652

    Çok tabakalı (MLP) yapay sinir ağı ile görüntü işleme ve görüntü sıkıştırma

    Image processing and image compression by multilayer perceptron (MLP) neural network

    ALİ BAHADIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Elektrik ve Elektronik MühendisliğiNiğde Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BEKİR SAMİ TEZEKİCİ

  5. Tez No

    318155

    Görüntü işleme teknikleri kullanarak optik karakter tanımlama

    Optic character recognition using image processing techniques

    HALİT ÇETİNER

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAYRAM CETİŞLİ

Geri Dön