Classification and Separation of Fruits According To Their Ripeness Level
Meyvelerin Olgunluk Düzeylerine Göre Sınıflandırılması ve Ayrıştırılması
- Tez No: 904888
- Danışmanlar: YRD. DOÇ. DR. HYUNG JIN CHANG
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mechatronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: The Unıversıty Of Bırmıngham
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Robotik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tarlalardan toplanan farklı olgunluktaki meyvelerin olgunluk derecelerine göre sınıflandırılması çok emek isteyen, zor bir işlemdir. Ayrıca bu işlem için insan gücünden yararlanmak maliyetleri oldukça artırmaktadır. Bu proje, nakliye sorunları ve müşteri istekleri gibi çeşitli nedenlerle olgunluk derecelerine göre ayırt edilmesi gereken meyvelerin sınıflandırılması problemine, yapay zeka ve robotik manipülatör kullanarak çözüm bulmayı amaçlar. Projede meyvelerin olgunluklarının yüzde olarak tahmin edilmesi üzerine de çalışmalar yapılmıştır. Bu proje meyvelerin olgunluk derecelerine göre sınıflandırılması ve robot kol kullanılarak meyvelerin uygun pozisyonlara ayrılması olarak ikiye ayrılmaktadır. İlk bölümde farklı olgunluk düzeylerindeki avokado, domates ve muz meyvelerine ait görüntüleri içeren bir veri seti oluşturulmuştur. Bu veri seti, meyvelerin olgunluk düzeylerini tahmin etmek için InceptionV3, VGG16 ve ResNet50 gibi çeşitli evrişimli sinir ağı yöntemlerini eğitmek için kullanılmıştır. İkinci bölümde, CoppeliaSim simülasyon programında IRB 360 robotu kullanılarak 3 boyutlu çizim programları ile oluşturulan ve gerçek hayat meyvelerini temsil eden nesnelerin ayrıştırma işlemleri simüle edilmiştir. Sonuç olarak, meyve olgunluk düzeyini yüzde olarak hesaplamak için herhangi bir matematiksel yöntem bulunmasa bile, en iyi performansa sahip model olan ResNet50, simülasyon ortamına başarıyla aktarılmış ve IRB 360 robotu kullanılarak meyve ayırma işlemi başarıyla gerçekleştirilmiştir.
Özet (Çeviri)
Classifying the fruits of different ripeness collected from the fields according to their ripeness level is a difficult process that requires a lot of labour. In addition, making use of manpower for this process increases the costs considerably. This project aims to find a solution using artificial intelligence and robotic manipulator to distinguish the fruits according to their ripeness level due to various reasons such as transportation problems and customer requests. In the project, studies were also carried out on estimating the maturity of fruits as a percentage. This project is divided into two as classifying the fruits according to their ripeness level, and separation the fruits to the appropriate positions using a robot arm. In the first part, a dataset contains different ripeness levels of avocado, tomato and banana images were created. And this dataset was used to train various convolutional neural network methods that are InceptionV3, VGG16 and ResNet50 to predict the ripeness levels of fruits. In the second part, the separation processes of objects created with 3D drawing programs and representing real-life fruits are simulated by using the IRB 360 robot in the CoppeliaSim simulation program. As a result, even no mathematical method was found for calculating fruit ripeness level as a percentage, ResNet50, the model with the best performance, was successfully transferred to the simulation environment and fruit separation was carried out successfully using IRB 360 robot
Benzer Tezler
- Derin öğrenme yaklaşımı ile sağlam ve çürük elmaların sınıflandırılması
Classification of healthy and defective apples with deep learning approach
RAMAZAN DURSUN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH GÖKÇE
- Görüntü işleme teknikleri kullanarak elma tasnifleme
Image processing techniques for apple classification
ORHAN ER
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BAYRAM CETİŞLİ
- Mantar örneklerinde toplam antioksidan kapasite tayini
Determination of total antioxidant capacity of mushrooms
HAFİZE REVA BAYRAKTAR
- Analytical studies on traditional Iranian herbs
İran'a özgü geleneksel bitkiler üzerine analitik çalışmalar
PARYA HASHEMIMYANDOAB
Doktora
İngilizce
2018
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. FATMA BEDİA ERİM BERKER
- Derin Öğrenme Tabanlı Meyve Ayrıştırma Sistemi
Deep learning based fruit separation system
MUHAMMED TELÇEKEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP KUTLU