Koloni morfoloji tahmininde yeni yapay öğrenme modelleri geliştirilmesi

Besiyerleri mikroorganizmaların geliştirilmesi için formülize edilmiş ortamlardır. Bunlar, mikroorganizmaların geliştirilmesi, izolasyon, identifikasyon, sayım, duyarlılık testleri, sterilite testleri, klinik örneklerin incelenmesi, gıda, su ve çevre kontrolleri, biyolojik ürünlerin elde edilmesi, antibiyotik ve vitamin analizleri, endüstriyel analizler vb. gibi çok farklı amaçlara yönelik olabilir. Mikroorganizmaların besiyeri üzerinde çoğalarak oluşturduğu ve gözle görülebilen yapılara koloni denir. Agar üzerinde oluşan koloniler, mikroorganizma ve üreme ortamına bağlı olarak farklı morfolojik özelliklerde görüntüler oluşturmaktadır. Biyoteknoloji ve patoloji gibi alanlardaki birçok uygulamada ihtiyaç duyulan koloni sayımı, büyük sayıdaki kolonilerin elle sayılmasında sıkıcı, zaman alıcı ve insan hatası meyilli bir işlemdir. Laborantın yorgunluğu ile ilişkili olarak değişkenlik gösterebilen karar ve yeteneklerine bağımlıdır, laborantın çalışma hızı, belirli zaman aralığında değerlendirilebilecek petri sayısını sınırlandırmaktadır. Bu tezde, süt endüstrisinde ürünlerin mikrobiyolojik analiz sonuçlarının belirlenmesi için kullanılan küf, maya ve bakteri koloni görüntülerinin, görüntü işleme ve makine öğrenmesi teknikleri ile bilgisayar destekli sınıflandırılması üzerine çalışılmıştır. Görüntü işleme, imgeden bazı yararlı bilgileri çıkarmak amacıyla, görüntüyü dijital forma dönüştürmek ve üzerinde bazı işlemleri gerçekleştirmek için bir yöntemdir. Bu işlem girdisi video karesi veya fotoğraf gibi imge olan ve çıktısı yine imge veya imgeye ait nitelikler olan bir sinyal işleme türüdür. Yapay öğrenme sistemleri, objelerin, sinyallerin, imgelerin bilgisayarlar tarafından otomatik olarak tanınması, belirli parametrelere istinaden otomatik karar verme süreçlerinin bilgisayarlar tarafından yapılması gibi ihtiyaçlardan ortaya çıkmıştır. Küf, maya ve bakterilerin insan tarafından sınıflandırılmasında iki temel bilgi bulunmaktadır: renk bilgisi ve şekli bilgisi. İnsan gözü değerlendirme yaparken, koloni görüntüsündeki farklı renk sayısı, renk değişim ve geçişleri, koloni görüntüsündeki farklı geometrik şekiller ve kenar şekli değişimleri verilecek kararı etkilemektedir. İnsan gözünün algılamasında etkili olduğunu düşündüğümüz bu özelliklerden yola çıkarak görüntü işleme teknikleri ile ŞTY1 ve ŞTY2 olarak isimlendirilen iki adet şekil tabanlı ve RTY1 ve RTY2 olarak isimlendirilen 2 adet renk tabanlı öznitelik çıkarım yöntemi geliştirilmiştir. Problemin çözümüne yönelik uygun sınıflandırma sisteminin tayini için veri setlerine TBA, DAA öznitelik dönüşüm, SGS öznitelik seçim algoritmaları uygulanmış ve Naive Bayes, k-EYK, C4.5 ve YSA algoritmaları ile sınıflandırılmıştır. Elde edilen deneysel sonuçlara göre, RTY2 öznitelik çıkarım, TBA öznitelik dönüşüm ve YSA sınıflandırmasından oluşan sistem ile başarım, diğer sistemlere göre daha yüksek elde edilmiştir.