Geri Dön

Görüntü işleme yöntemiyle tane boyut dağılımının belirlenmesi

Determination of grain size distribution using image processing method

PDF İndir

  1. Tez No: 975883
  2. Yazar: HAYDAR ŞAHAN
  3. Danışmanlar: PROF. DR. HALİL İPEK, DOÇ. DR. HASAN SERKAN GÖKÇEN
  4. Tez Türü: Doktora
  5. Konular: Maden Mühendisliği ve Madencilik, Mining Engineering and Mining
  6. Anahtar Kelimeler: Cevher hazırlama, Cevher zenginleştirme, Derin öğrenme, Görüntü işleme, Makine öğrenmesi, Çimento endüstrisi, Mineral processing, Ore dressing, Deep learning, Image processing, Machine learning, Cement industry
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Maden Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Mineral ve malzeme karakterizasyonunda tane boyutu dağılımının doğru ve güvenilir şekilde belirlenmesi, cevher hazırlama, çimento üretimi ve birçok endüstriyel işlem açısından büyük önem taşımaktadır. Bu tez çalışmasında, çimento üretiminin temel bileşeni olan klinker malzemesinin öğütme süreci sırasında değişen tane boyutu dağılımı, görüntü işleme teknikleri ve makine öğrenmesi modelleri kullanılarak incelenmiştir. Geleneksel analiz yöntemlerine kıyasla daha hızlı ve temassız veri elde etmeye imkân tanıyan görüntü tabanlı yaklaşımlar, hem laboratuvar hem de endüstriyel uygulamalar için dikkate değer bir alternatif sunmaktadır. Çalışmada, farklı öğütme sürelerine tabi tutulan klinker numunelerine ait yüksek çözünürlüklü dijital görüntülerden gri seviye dönüşüm ve histogram analizleri ile çeşitli sayısal özellikler çıkarılmıştır. Elde edilen bu görsel veriler, makine öğrenmesi modelleri için giriş olarak kullanılmış; lazer difraksiyon yöntemiyle elde edilen ölçümler referans alınarak üç farklı model geliştirilmiştir: Random Forest, Destek Vektör Regresyonu (SVR) ve VGG16 tabanlı derin öğrenme modeli. Ayrıca modellerin performansını değerlendirmek amacıyla CEM I tipi çimento numuneleri üzerinde ek test çalışmaları gerçekleştirilmiştir. Modelleme sonuçları, tüm algoritmaların tahmin doğruluğunun yüksek olduğunu göstermiştir. Özellikle VGG16 modeli, test verileri üzerinde en düşük hata oranına ulaşarak en başarılı performansı sergilemiştir. Ortalama mutlak hata (MAE) ve karekök ortalama hata (RMSE) gibi metriklerle yapılan değerlendirmelerde VGG16 modeli, hem klinker hem de CEM I çimentosu verilerinde en yakın sonuçları üretmiştir. Random Forest ve SVR modelleri de benzer şekilde başarılı performans göstermiş, klasik yöntemlere alternatif olabilecek düzeyde tahmin kabiliyeti sunmuştur. Sonuçlar, görüntü işleme ve makine öğrenmesi temelli bu yaklaşımın, malzeme karakterizasyonu çalışmalarında hızlı, temassız ve yüksek doğruluklu bir alternatif sunduğunu ortaya koymaktadır. Bu yöntem, modern mühendislik uygulamaları için uygulanabilir ve otomasyona uygun bir çözüm olarak değerlendirilmektedir.

Özet (Çeviri)

Accurate and reliable determination of particle size distribution in mineral and material characterization is of great importance for ore preparation, cement production, and many industrial processes. In this doctoral study, the variation in the particle size distribution of clinker, the primary component of cement production, during the grinding process was investigated using image processing techniques and machine learning models. Compared to traditional analysis methods, image-based approaches provide faster and more direct data acquisition, offering a significant alternative for both laboratory and industrial applications. In the study, high-resolution photographs of clinker samples subjected to different grinding durations were analyzed to extract various numerical features through grayscale conversion and histogram analysis. The obtained numerical data were used as input for machine learning models, which were trained based on reference measurements obtained by the laser diffraction method. Three different models were developed and compared: Random Forest (RF), Support Vector Regression (SVR), and a VGG16-based deep learning model. In addition, the performance of the trained models was evaluated using CEM I type cement samples. Modeling results indicated that all trained models achieved high prediction accuracy. Among them, the VGG16 model demonstrated the best performance, achieving the lowest error values on the test data. Based on metrics such as Mean Absolute Error (MAE) and Root Mean Square Error (RMSE), the VGG16 model produced the closest prediction results for both clinker and CEM I cement data. The Random Forest (RF) and SVR models also achieved relatively strong performance, providing prediction capabilities comparable to conventional measurement techniques. The results demonstrate that this image processing and machine learning-based approach offers a fast, direct, and highly accurate alternative for particle size distribution analysis in material characterization studies. This method can be considered a practical and automation-compatible solution for modern engineering applications.

Benzer Tezler

  1. Tez No

    150107

    Optik mikroskopi fotoğraflarının dijital görüntü işleme yöntemiyle değerlendirilmesi

    Evaluation by digital image processing techniques of optic microscope photographes

    SİBEL ÜNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Metalurji MühendisliğiFırat Üniversitesi

    Metalurji Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. SERMİN OZAN

  2. Tez No

    887071

    A deep learning architecture for missing metabolite concentration prediction

    Eksik metabolit miktarı tahmini için bir derin öğrenme mimarisi

    SADİ ÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ ÇAKMAK

  3. Tez No

    424125

    Kumlama işleminin cam küresinin tane şekline, yüzey pürüzlülüğüne ve flotasyon davranışı üzerine olan etkilerinin araştırılması

    The investigation of effects on sandblasting on particle shape, surface roughness and flotation behavior of glass beads

    HİDAYET ÇALIŞKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Maden Mühendisliği ve MadencilikÇanakkale Onsekiz Mart Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ÇINAR

  4. Tez No

    295981

    Bakliyatlarda fiziksel kalite kriterlerinin belirlenmesi amacıyla görüntü analiz sistemi geliştirilmesi

    Development of image processing system for physical quality evaluation of legumes

    YUSUF SERHAD ÇAKMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Gıda MühendisliğiHacettepe Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL HAKKI BOYACI

  5. Tez No

    987549

    Elmas katkılı kompozit frez üretimi ve mekanik özelliklerinin belirlenmesi

    Fabrication and mechanical characterization of diamond-reinforced composite burs

    EMİN ORHUN BAŞTEKELİ

    Doktora

    Türkçe

    Türkçe

    2025

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HACI ABDULLAH TAŞDEMİR

Geri Dön