Doktora Tezleri / Doctoral Thesis

Permanent URI for this collectionhttps://ada.atilim.edu.tr/handle/123456789/24

Browse

Browsing Doktora Tezleri / Doctoral Thesis by Author "Bostan, Atila"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Doctoral Thesis
    Görüntü işleme yöntemleri kullanarak otomatik spırulina tespiti
    (2019) Sıddık, Othman; Bostan, Atila; Computer Engineering
    Bu tezde Spirulina'nın otomatik tespiti üzerine bir çalışma sunulmuştur. Spirulina 4 türe sahip bir tür alg mikroorganizmadır ve su kalitesinin tespitinde, takibinde ve gözlemlenmesinde oldukça yararlıdır. Bu tezin katkısı, Spirulina'nın sudaki teşhisine yardımcı olmak için otomatik bir sistem geliştirmek ve bu yöntemin uygulanabilirliğini göstermek olmuştur. Mikroskobik görüntülerde Spirulina'nın hızlı ve doğru bir şekilde teşhis edilebilmesi diğer tüm alg türlerinin tespiti için de çok önemlidir. Su kalitesinin belirlenmesinde, Spirulina tür ve miktarını tespit etmek için manuel yöntemler kullanılmaktadır. Ancak insan dikkat ve hatasına bağlı olan bu yöntem yanlış sonuçlara yol açabilmektedir. Mikroskobik su görüntülerinde algleri uzmanlar aracılığı ile, tespit etmek oldukça zor ve yoğun çaba gerektirmektedir. Spirulina'nın otomatik tespiti boyut, şekili, iklimsel değişiklikleri, büyüme periyotları ve su kirliliği gibi sebepler nedeniyle zor bir işlemdir. Günümüzde spirulina'nın otomatik olarak tespiti, uygulamalı biyoloji alanında öncelikle ihtiyaç duyulan konulardan biridir. Diğer taraftan, Derin-Öğrenme ve Evrişimli Sinirsel Ağlar (CNN) sayısal görüntülerde nesne tanıma işlemlemlerinde daha iyi sonuçlar sağlamakta ve görüntü sınıflandırma problemlerinde yaygın olarak kullanılmaktadır. Bu tezde, mikroskobik görüntülerde Spirulina tespit etme problemini çözmek için başarılı olup olmadığını göstermek amacıyla, CNN yöntemi de test edilmiştir. Türkiye'deki nehir ve göllerden toplanan orijinal görüntüler arasından yapay görüntü yaratma yöntemi kullanarak kapsamlı bir veri kümesi hazırlanmıştır. Orjinal mikroskobik görüntüler yapay görüntü yaratma yöntemi kullanılarak çoğaltılmış ve bu çalışma için özel bir set oluşturulmuştur. Sonuç olarak, görüntü seti, farklı aydınlatma koşullarını içerecek şekilde 1000 görüntüye çıkartılmıştır. Orijinal görüntüler Türkiye'deki nehir ve göllerden toplanmıştır. Bu tezde, bir mikroskobik-görüntüde Spirulina'nın tespitinde görüntü işleme ve özellik çıkarma sonuçları raporlanmıştır. İlk olarak, Spirulina'nun mikroskobik-görüntüde tespit edilmesi için RGB görüntü formatı üzerinde morfolojik işlemler kullanılmıştır. Bu yöntemle %84 oranında tespit-başarısı gözlemlenmiştir. Daha sonra, karşılaştırma amacıyla üç farklı yöntem denenmiştir. Bu yöntemler ve ilgili tespit-başarı oranları ise; SURF 63%, FAST 67%, CNN 99% doğruluk oranı olarak belirlenmiştir. Doğal olarak, gelecekte yapılacak çalışmaların, bu çalışmaları daha ileri götüreceği görülebilmektedir. Bu tez çalışmasında, mikroskobik görüntülerde Spirulinanın otomatik olarak tespiti için CNN ilk defa denenmiştir. Spirulinanın dört farklı türünün tespiti için CNN yöntemi de kullanılmıştır. Gözlemlenen, sonuçlar karşılaştırmalı ve ayrıntılı olarak tartışılmıştır. Bilgimiz dahilindeki literatür ve araştırma sonuçları uyarınca bu çalışma, mikroskobik görüntülerde otomatik Spirulina tespiti probleminde CNN yöntemi kullanılan ilk çalışmadır. Anahtar Kelimeler: Spirulina, Otomatik tespit, Morfolojik özellik, Özellik analizi, Görüntü elde etme, Derin öğrenme, Evrişimli sinirsel ağlar, Sınıflandırma, Spirulina tespiti.