Kelebek türlerinin (Lycaenıdae) bilgisayar görü sistemleri ile teşhis edilmesi

Abstract

İnsanoğlu çevresinde bulunan nesne ve organizmaları sınıflandırma ihtiyacı duymuştur. Sistematik veya taksonomi adı verilen sınıflandırma sisteminde öncelikle morfolojik karakterleri kullanılmaya başlanılmıştır. Bilimsel çalışmalarda meydana gelen gelişmeler ile birlikte moleküler biyoloji, anatomi, karyoloji gibi çalışma alanları da sistematik bilimine dahil olmuştur. Biyolojik canlıların tür sayılarının fazlalığı, benzer ve farklı karakterlerin değişkenliği nedeni ile sınıflandırma sistemi özel program ve teknikler ile desteklenmiştir. Yapılan tez çalışmasında, kelebek türlerinin tespiti için klasik teşhis yöntemlerine alternatif olarak bilgisayar görü tabanlı bir yöntem önerilmiştir. Kelebek türlerinin sınıflandırılması için karakteristik özelliklere sahip kelebek kanat doku görüntüleri kullanılmıştır. Çalışmada kelebek görüntülerinden etkili özellikler çıkarmak için yerel ikili örüntüler LBP ve GLCM görüntü işleme yöntemleri kullanılmıştır. Kelebek türlerin tespiti iki aşamada gerçekleştirilmiştir. Birinci aşamada öznitelikler elde edilmiş, ikinci aşamada ise bu öznitelikler ELM makine öğrenmesi yöntemi kullanılarak 10-katlı çapraz geçerlilik testi ile sınıflandırma işlemi gerçekleştirilmiştir. Çalışma sonunda sınıflandırma başarısı % 91.6031 olarak elde edilmiştir. Sonuç olarak önerilen bilgisayar görü teşhis yönteminin kelebek türü teşhisinde alternatif yöntemlere destekleyici yöntemler olacağı düşünülmektedir.

Human have needed to classify the objects and organisms around them. In the classification system called systematic or taxonomy, firstly morphological characters are used. Along with the developments in scientific studies, molecular biology, anatomy and caryology fields have also been included in systematic science. Because of the high number of species of biological organisms, similar and different characters, the classification system was supported by special programs and techniques.In the thesis, a computer vision based method has been proposed as an alternative to classical diagnostic methods for the determination of butterfly species. Characteristic butterfly wing texture images were used for the classification of butterfly species. In this study, LBP and GLCM image processing methods were used to extract effective properties from butterfly images. The detection of butterfly species was carried out in two stages. In the first stage, the attributes were obtained, and in the second stage, these attributes were performed by 10-fold cross validation test using ELM machine learning method. At the end of the study, classification success was obtained as 91.6031%. As a result, the proposed computer vision method will be supportive to alternative methods in the classification of butterfly species