Dijital imgelerde diyatomelerin otomatik bölütlenmesi ve sınıflandırılması

Diyatomeler, hemen hemen bütün su ortamlarında bulunan, fotosentez yapan alglerdir. Diyatome türlerinin tespiti ve sınıflandırılması ekolojik araştırmalar için büyük önem taşımaktadır. Bu nedenle, bu tezde, ışık mikroskobu ile elde edilen sayısal görüntülerden diyatomelerin otomatik bölütlenmesi ve sınıflandırılması problemleri incelenmiştir. Tezin ana katkıları (i) yeni bir diatom görüntü veri seti, (ii) yeni bir segmentasyon modeli ve (iii) yeni bir sınıflandırma modelidir. İlk olarak, modelleri eğitmek ve değerlendirmek için 68 türden 3,027 diyatomeli 2,197 renkli görüntüden oluşan yeni bir etiketli ve açık erişimli diyatome görüntü veri seti oluşturulmuştur. İkinci olarak, kenar algılama ve derin öğrenmeye dayalı yeni bir diyatome bölütleme modeli önerilmiştir. Son olarak, diyatome türlerini sınıflandırmak için hafif fakat güçlü bir evrişimsel sinir ağı modeli olan DiatomNet önerilmiştir. Kapsamlı bir dizi deneysel çalışma aracılığıyla, önerilen modellerin performansları çeşitli başarı ölçütleri kullanılarak değerlendirilmiştir. Bu modeler, ayrıca çeşitli yönlerden literatürdeki son çalışmalarla karşılaştırılmıştır. Deneysel sonuçlar, önerilen modellerin hemen hemen her açıdan son çalışmaları geride bıraktığını göstermiştir. Sonuç olarak, önerilen modeller, umut verici performansları sayesinde, diyatome görüntülerinin otomatik bölütlenmesi ve sınıflandırılması için güçlü adaylar olarak öne çıkmaktadır.