Bilgisayarla görü yöntemleri ile sivri biberlerin eğriliğe göre sınıflandırılması

Abstract

Bu tez çalışması kapsamında sivri biberleri eğrilik miktarına göre otomatik olarak sınıflandıran bir uygulama geliştirilmiştir. Kalite sınıflandırması geleneksek olarak el ile doku, boyut ve şekil özelliklerine göre yapılan sivri biberlerin, eğrilik miktarı uluslararası piyasada bir kalite kriteridir ve eğriliğin artması bir bozukluk olarak kabul edilmektedir. Çalışma sırasında biberin sapının eğrilikle ilgili yanıltıcı bir etkisi olduğu gözlenmiştir. Biber imgelerinde sap kısmı ve gövdeyi birbirinden ayıran özgün bir yaklaşım geliştirilmiştir. Sivri biberlerin medyal eksenleri çıkartılmış ve eksen çizgisi kullanılarak biberin eğrilik miktarının hesaplanması aşamasında da özgün bir yöntem geliştirilmiştir. Sivri biberlerin eğrilik düzeylerine göre sınıflandırılması için geometrik öznitelikler çıkartılmıştır. Ayrıca tüm biber konturlarının oluşturduğu uzayı temsil eden ana bileşenler, Ana Bileşen Analizi (ABA) yöntemi ile çıkartılmıştır. Her biber için bu özvektörler üzerindeki izdüşümlerinden oluşan bir öznitelik vektörü tanımlanmıştır. Geometrik ve ABA'ya dayalı öznitelikleri birlikte ve ayrı ayrı içeren vektörler oluşturulmuştur. Sivri biber imgeleri bu vektörler kullanılarak k-En Yakın Komşu (k-EYK) yöntemi, çoklu sınıf Destek Vektör Makinası (DVM) ve AdaBoost algoritmaları ile sınıflandırılmıştır. AdaBoost ile hem ikili hem de çoklu sınıf için sınıflandırma yapılmıştır.

The aim of this thesis is to develop a method that classifies green peppers based on their flexure. Quality sorting of green peppers is traditionally being done by hand with respect to their texture, size, and shape properties. Flexure is also a quality criterion; high flexure in green pepper is considered as a defect in international markets. The stem of the pepper has a misleading effect on computing the flexure from pepper images. In this thesis, a novel approach is developed to segment the stem of the green pepper. Then the medial axis of the flesh region is extracted, and a novel method is used to determine the flexure. In order to classify green peppers based on flexure, geometric features are extracted from pepper images. Also, Principal Component Analysis (PCA) is used to extract principal components representing the space of pepper contours. A feature vector is constructed by projecting the contour onto the eigenvectors obtained by PCA. K-Nearest Neighbor (k-NN), Support Vector Machine (SVM) and AdaBoost methods are used to classify geometric and PCA-based feature vectors. Both binary and multi-class classifications are performed with AdaBoost.