Yerel ikili örüntü tabanlı uç öğrenme yaklaşımı kullanan akıllı örüntü tanıma sistemi ile mermer sınıflandırma uygulaması

Mermerleri desen kalitesine göre ayırma işlemi uzman kararına göre yapılan bir işlemdir. Mermerin sınıflandırma safhası ekonomik değerinin en kritik bölümdür. Bu çalışmada, mermerlerin sınıflandırmasını hızlı ve yüksek başarım gerçekleştiren ve bunu yaparken öğrenen bir sistem önerilmiştir. Bu sistem kameradan veya hafızadan elde ettiği görüntülere özellik çıkarım işlemi uygulamaktadır. Mermer görüntülerini sınıflandırmak için Yerel ikili örüntüleri (Local Binary Pattern-LBP) öznitelik tabanlı Uç öğrenme makinesi (Extreme Learning Machine-ELM) kullanılmıştır. Görüntü kümesine LBP özellik çıkarım işemi uygulanarak eğitim kümesi elde edilir. ELM sınıflandırıcısı LBP tabanlı eğitim kümesini kullanarak öğrenme işlemini gerçekleştirir. ELM sınıflandırıcısının sınıflandırma başarısını ölçmek için Toplu (Ensemble) sınıflandırıcı kullanılmıştır. C4.5 tabanlı karar ağacı, ileri beslemeli statik danışmanlı yapay sinir ağı ve destek vektör makinesi sınıflandırıcıları Toplu sınıflandırıcıyı oluşturmaktadır. ELM'nin sınıflandırma başarımı Toplu sınıflandırıcıyla karşılaştırılmıştır. LBP tabanlı eğitim kümesinin başarım performansını karşılaştırmak için Çoklu özellik çıkarımından yararlanılmıştır. Çoklu özellik çıkarımında Histogram ve Ölçekten Bağımsız Öznitelik Dönüşümü (Scale Invariant FeatureTransform-SIFT) tabanlı öznitelikler mevcuttur. SIFT tabanlı özelliklerin eğitim kümesine dönüştürülmesi için Kelime çantası (Bag of Words-BOW) modelinden yararlanılmıştır. Kelime çantasında görsel kelimeleri ayırmak için k-ortalama kümeleme yöntemi kullanılmıştır. Hazırlanan modellerin özellik çıkarım ve sınıflandırma işlemleri geliştirilen Grafiksel arayüz (Graphical User Interface-GUI) aracılığıyla yapılmaktadır. Kullanıcı uygulama üzerinden sistemi eğiterek, sınıfı bilnmeyen mermerin sınıfını belirleyebilir. Çalışma kapsamında geliştirilen GUI endüstriyel kullanıma uygundur.