Kanatlı kuluçkahanelerinde yumurta sınıflandırmasının görüntü işleme teknikleriyle gerçekleştirilmesi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Yumurta gıda teknolojisinde çok önemli bir yere sahiptir. Yumurta doğrudan tüketim ürünü olmasının yanında kuluçkahanelerde kanatlı et ürünlerinin devamlılığı açısından büyük önem arz etmektedir. Yumurta sınıflandırması yapılarak doğru fiyat tespiti ve beklentisi sağlanabilmektedir. Kuluçkanelerde doğru sınıflandırma yapıldığında özellikle yüksek verimlilikte civciv kalitesi sağlanabilmektedir. Kuluçkahanelerde şuanda yumurtaların sınıflandırması gözle insan faktörü kullanılarak yapılmaktadır veya hiç yapılmamaktadır. Bu yöntemde hata oranı artmakta ve sınıflandırma başarısı düşük kalabilmektedir. Bu çalışmada, kuluçkahanlerdeki yumurta sınıflandırmasının doğru ve hızlı yapılabilmesi için bir tasarım geliştirilerek, görüntü işleme yöntemlerinden faydalanılarak yumurtalar tespit edilmiştir. Tespit edilen her yumurtanın öznitelikleri çıkartılmıştır ve veriseti içine kayıt edilmiştir. Veri seti içinde 243 adet yumurta verisinin L, M ve S sınıflandırma bilgileri yer almaktadır. Bu çalışmada veri setinde her yumurtaya ait 7 adet öznitelik kullanılarak makine öğrenme algoritmalarıyla sınıflandırma başarıları test edilmiştir. Sınıflandırma işleminde, Naive Bayes ve K-NN makine öğrenme algoritmaları kullanılmıştır. Bu algoritmaların kullanıldığı, farklı eğitim ve test verilerinin yer aldığı 2 adet model tasarlanarak sınıflandırma başarıları karşılaştırılmıştır. Model-1 de %97.6 ve Model-2 de ise %94.2 oranında Naive Bayes algoritmasıyla sınıflandırma başarısı edilmiştir. Elde edilen sonuçların ve açık kaynak olarak paylaşılacak verisetinin literatüre katkı sağlayacağı düşünülmektedir. Eggs has very important position in Food Technology. Eggs are direct consumption products and also takes important role for sustainable meat production in hatcheries. As categorising eggs, accurate price estimation and forecast meat production could made. When the accurate classification made in the hatcheries, high yield chicken could be produced. In hatchery classification are provided manual check by humans or there is no control. That makes raise error rates and low estimation of production yield. To provide extra data for egg categorizing in hatchery are important. In this study, Eggs identified by image processing techniques to make the classification of eggs in hatcheries accure and fast. The attributes of each detected egg were recorded in the dataset. The data set contains L, M and S classification information of 243 egg data. In this study, classification successes were tested with machine learning algorithms by using 7 features belonging to each egg in the data set. Naive Bayes and K-NN machine learning algorithms were used in the classification process. Classification successes were compared by designing 2 models with different training and test data using these algorithms. Classification success was achieved with the Naive Bayer algorithm at a rate of 97.6% in Model-1 and 94.2% in Model-2. It is thought that the results obtained and the dataset to be shared as open source will contribute to the literatüre.
Collections