Non-destructive testing of textured foods by machine vision

Abstract

Bu tezde, aflatoksinli ve aflatoksinsiz kırmızı pul biberler örneklerinin sınıflandırılmasında kullanılacak gerekli özniteliklerin çıkarılması için iki farklı yaklaşım kullanılmıştır: İstatistiksel yaklaşım ve Yerel Ayırtaç Tabanları yaklaşımı. İstatistiksel yaklaşımda, Birinci Dereceden İstatistiksel öznitelikler ve Gri Düzey Eş Oluşum Matrisi öznitelikleri çıkarılmıştır. Yerel Ayırtaç Tabanları yaklaşımında, hiperspektral veriden gereksiz öznitelikler atılarak ve/veya tek başlarına nitelikli ayırt edici bilgi sağlamayan öznitelikleri birleştirerek en ayırt edici özniteliklerin elde edilmesi amacıyla, orjinal Yerel Ayırtaç Tabanları algoritması 2B arama yapacak şekilde değiştirilmiştir. Sınıflandırmada Doğrusal Ayırtaç Analizi sınıflayıcısı kullanılmıştır. Bu çalışmada Türkiye`nin farklı şehirlerinden satın alınan pul kırmızı biberlerin hiperspektral görüntüleri kullanılmıştır. Çıkarılan öznitelikler kullanılarak, yaklaşık %80 lik bir sınıflandırma doğruluğu elde edilmiştir.Anahtar Kelimeler: Aflatoksin ve Gıda Güvenliği, Makine Görmesi, Desen Analizi, Yerel Ayırtaç Tabanları, Hiperspektral Görüntüleme.

In this thesis, two different approaches are used to extract the relevant features for classifying the aflatoxin contaminated and uncontaminated scaled chili pepper samples: Statistical approach and Local Discriminant Bases (LDB) approach. In the statistical approach, First Order Statistical (FOS) features and Gray Level Cooccurrence Matrix (GLCM) features are extracted. In the LDB approach, the original LDB algorithm is modified to perform 2D searches to extract the most discriminative features from the hyperspectral images by removing irrelevant features and/or combining the features that do not provide sufficient discriminative information on their own. The classification is performed by using Linear Discriminant Analysis (LDA) classifier. Hyperspectral images of scaled chili peppers purchased from various locations in Turkey are used in this study. Correct classification accuracy about 80% is obtained by using the extracted features.Keywords: Aflatoxins and Food Safety, Machine Vision, Texture Analysis, Local Discriminant Bases, Hyperspectral Imaging