Makine öğrenmesi yöntemleri ile arı alt türlerinin sınıflandırılması

Bu araştırmada arı kanatları üzerindeki kavşak noktalarına göre arı türlerinin sınıflandırılması amaçlanmıştır. Beş farklı il/ilçe 'den alınan arı kanat resimleri üzerinde kavşak noktaları belirlenmiştir. Arı kanatları üzerinde kavşak noktalarının belirlenmesi işleminin minimum hata ile yapılması ve standart bir kavşak noktası seçimi için kavşak noktası seçim algoritması önerilmiştir. Kavşak noktaları kullanılarak açı, uzunluk, indeks ve alan bilgileri içeren 27 morfolojik özellik çıkarılmıştır. Bu özellikler arasındaki sayısal farklılıkların giderilmesi ve iş yükünün azaltılması için verilere normalizasyon işlemi uygulanmıştır. Destek Vektör Makineleri (DVM), Yapay Sinir Ağları (YSA), K-Ortalama (K-Means) ve K-en Yakın Komşu (KNN) algoritmaları, sınıflandırma yöntemi olarak kullanılmıştır. Veri boyutunu azaltmak için Kaba Kuvvet Yöntemi (BFM) , İleri Sıralı Seçim (SFS) ve Lineer Discirimant Analiz (LDA) yöntemlerinden yararlanılmıştır. Arı alt türlerinin sınıflandırılmasında en yüksek başarı, K-Means yöntemi ile %50, DVM yöntemi ile % 71, KNN yönteminde ile %55,3 ve YSA ile %82,7 olarak gözlemlenmiştir. Kavşak noktaları için önerilen algoritmanın kullanıldığı ve kullanılmadığı durumlardaki başarı oranları, boyut indirgeme yöntemlerinin kullandığı ve kullanılmadığı durumlardaki başarı oranları incelenmiştir. Görüntüler üzerindeki kavşak noktalarının seçimi, özellik çıkarma ve verilerin sınıflandırılmasında MATLAB© programı kullanılmıştır.