Research Article
BibTex RIS Cite

Karaman Yöresinde Yetiştirilen Elma Çeşitlerinin Sınıflandırma Parametrelerini Görüntü İşleme Teknikleri Kullanarak Belirlenmesi

Year 2016, Volume: 12 Issue: 2, 133 - 139, 14.10.2016

Abstract

Bu çalışmada karaman yöresinde yetişen elma çeşitlerinin renk ve boyut parametrelerine

göre sınıflandırılması yapılmıştır. Bu çalışmada 50 Golden Delicious, 50 Granny Smith ve 50 Starking

Delicious elma türünden toplamda 150 görüntü alınmıştır. Görüntüler kendi aydınlatması bulunan ve

hareketli bir bant üzerine yerleştirilmiş kutu içerisinde DFK 23U445 USB 3.0 (Fujinon C Mount

Lensli) endüstriyel kamera kullanılarak alınmıştır. Görüntüler MATLAB üzerinde geliştirilmiş olan bir

grafik kullanıcı ara yüzü ile alınmıştır. Alınan görüntüler üzerinde MATLAB yazılımı kullanılarak

görüntü işleme teknikleri uygulanmıştır. Elmalara ait birçok morfolojik parametre görüntü işleme

algoritmaları yardımıyla elde edilmiştir. Ayrıca elmaların gövdelerinin ortalama kırmızı, yeşil ve mavi

kanal bilgileri elde edilmiştir. Bu özellikler kullanılarak elmalar büyük, orta, küçük ve kırmızı, sarı,

yeşil şeklinde sınıflandırılmıştır. Elde edilmiş 150 örneğin 60 tanesi eğitim 90 tanesi ise test amacıyla

kullanılmıştır. Bu sınıflandırmada BayesNet, NaiveBayes, KStar, SMO, RBFNetwork, RBFClassifier,

MLPClassifier, J48, RandomTree ve RandomForest algoritmaları kullanılmıştır. Bu algoritmalar

arasında boyuta göre sınıflandırmada J48 algoritması %95.56 başarı oranı, 0.0476 MAE ve 0.1675

RMSE değerleri ile en başarılı sınıflandırmayı gerçekleştirmiştir. Renk sınıflandırma da ise

MLPClassifier algoritması %97.78 başarı oranı, 0.1004 MAE ve 0.1370 RMSE değerleri ile en başarılı

sınıflandırmayı gerçekleştirmiştir.

References

  • Bacci L, Colucci BR and Novaro P (2002). Durum Wheat Quality Evaluation Software”. Proceedings of The World Congress of Computers in Agriculture And Natural Resources, 49-55, Brazil.
  • Bennedsen B, Peterson D, Tabb A (2005). Identifying defects in images of rotating apples. Computers and Electronics in Agriculture, 48: 92-102.
  • Kabaş Ö, Özmerzi A (2010). Balo Tipi Dolmalık Biberin Bazı Fiziksel Özelliklerinin Görüntü İşleme Yöntemiyle Belirlenmesi, 26.Tarımsal Mekanizasyon Ulusal Kongresi 22-23 Eylül 2010-HATAY.
  • Kavdir I, Guyer DE (2004). Comparison of artificial neural networks and statistical classifiers in apple sorting using textural features. Biosystems Engineering, 89: 331–344.
  • Keefe PD (1992). A Dedicated Wheat Grain Image Analyzer. Plant Varieties And Seeds 5: 27-33.
  • Kim M, Lefcourt A, Chen Y, Tao Y (2005). Automated detection of fecal contamination of apples based on multispectral fluorescence image fusion. Journal of Food Engineering, 71: 85–91.
  • Kleynen O, Leemans V, Destain M (2005). Development of a multi-spectral vision system for the detection of defects on apples. Journal of Food Engineering, 69: 41–49.
  • Liming X.and Yanchao Z. (2010). Automated Strawberry Grading System Based on Image Processing. Computers and Electronics in Agriculture, 71:32-39 Neuman MR, Sapirstein HD, Shwedyk E and Bushuk W (1989). Wheat Grain Colour Analysis By Digital Image Processing. II. Wheat Class Discrimination. Journal Of Cereal Science 10: 183- 188.
  • Puchalski C, Gorzelany J, Zagula G, Brusewitz G (2008). Image analysis for apple defect detection. Teka Kom. Mot. Energ. Roln, 8: 197–205.
  • Rashidi M, Seyfi K and Gholami M (2007). Determination of Kiwi fruit Volume Using Image Processing. Journal of Agricultural and Biological Science, 2(6):17-22.
  • Sabancı K, Aydın C ve Ünlerşen F (2011). Buğday Tohumuna Karışan Yabani Çavdar Tohumlarının Yapay Sinir Ağlarıyla Tespit Edilmesi, Türkiye IV. Tohumculuk Kongresi, 19 Mayıs Üniversitesi, 14-17 Haziran 2011, Samsun.
  • Sadrnia H, Rajabipourl A, Jafary A, Javadi A and Mostofi Y (2007). Classification and Analysis of Fruit Shapes in Long Type Watermelon Using Image Processing. International Journal of Agriculture & Biology 9 (1):68- 70.
  • Shouche SP, Rastogi RS, Bhagwat G and Sainis JK (2001). Shape Analysis of Grains of Indian Wheat Varieties. Computers And Electronics in Agriculture 33: 55-76. Tonguç G (2007). Görüntü Işleme Teknikleri Kullanilarak Meyve Tasnifi, Yüksek Lisans Tezi, 90s, Isparta
  • Trooien TP and Heermann DF (1992). Measurement And Simulation of Potato Leaf Area Using Image Processing. Model Development. Transactions Of The ASAE 35(5): 1709-1712.
  • Unay D, Gosselin B, Kleynen O, Leemans V, Destain M, Debeir O (2010). Automatic Grading Of Bi- Colored Apples By Multispectral Machine Vision. Computers and Electronics in Agriculture, 75: 204-212.
Year 2016, Volume: 12 Issue: 2, 133 - 139, 14.10.2016

Abstract

References

  • Bacci L, Colucci BR and Novaro P (2002). Durum Wheat Quality Evaluation Software”. Proceedings of The World Congress of Computers in Agriculture And Natural Resources, 49-55, Brazil.
  • Bennedsen B, Peterson D, Tabb A (2005). Identifying defects in images of rotating apples. Computers and Electronics in Agriculture, 48: 92-102.
  • Kabaş Ö, Özmerzi A (2010). Balo Tipi Dolmalık Biberin Bazı Fiziksel Özelliklerinin Görüntü İşleme Yöntemiyle Belirlenmesi, 26.Tarımsal Mekanizasyon Ulusal Kongresi 22-23 Eylül 2010-HATAY.
  • Kavdir I, Guyer DE (2004). Comparison of artificial neural networks and statistical classifiers in apple sorting using textural features. Biosystems Engineering, 89: 331–344.
  • Keefe PD (1992). A Dedicated Wheat Grain Image Analyzer. Plant Varieties And Seeds 5: 27-33.
  • Kim M, Lefcourt A, Chen Y, Tao Y (2005). Automated detection of fecal contamination of apples based on multispectral fluorescence image fusion. Journal of Food Engineering, 71: 85–91.
  • Kleynen O, Leemans V, Destain M (2005). Development of a multi-spectral vision system for the detection of defects on apples. Journal of Food Engineering, 69: 41–49.
  • Liming X.and Yanchao Z. (2010). Automated Strawberry Grading System Based on Image Processing. Computers and Electronics in Agriculture, 71:32-39 Neuman MR, Sapirstein HD, Shwedyk E and Bushuk W (1989). Wheat Grain Colour Analysis By Digital Image Processing. II. Wheat Class Discrimination. Journal Of Cereal Science 10: 183- 188.
  • Puchalski C, Gorzelany J, Zagula G, Brusewitz G (2008). Image analysis for apple defect detection. Teka Kom. Mot. Energ. Roln, 8: 197–205.
  • Rashidi M, Seyfi K and Gholami M (2007). Determination of Kiwi fruit Volume Using Image Processing. Journal of Agricultural and Biological Science, 2(6):17-22.
  • Sabancı K, Aydın C ve Ünlerşen F (2011). Buğday Tohumuna Karışan Yabani Çavdar Tohumlarının Yapay Sinir Ağlarıyla Tespit Edilmesi, Türkiye IV. Tohumculuk Kongresi, 19 Mayıs Üniversitesi, 14-17 Haziran 2011, Samsun.
  • Sadrnia H, Rajabipourl A, Jafary A, Javadi A and Mostofi Y (2007). Classification and Analysis of Fruit Shapes in Long Type Watermelon Using Image Processing. International Journal of Agriculture & Biology 9 (1):68- 70.
  • Shouche SP, Rastogi RS, Bhagwat G and Sainis JK (2001). Shape Analysis of Grains of Indian Wheat Varieties. Computers And Electronics in Agriculture 33: 55-76. Tonguç G (2007). Görüntü Işleme Teknikleri Kullanilarak Meyve Tasnifi, Yüksek Lisans Tezi, 90s, Isparta
  • Trooien TP and Heermann DF (1992). Measurement And Simulation of Potato Leaf Area Using Image Processing. Model Development. Transactions Of The ASAE 35(5): 1709-1712.
  • Unay D, Gosselin B, Kleynen O, Leemans V, Destain M, Debeir O (2010). Automatic Grading Of Bi- Colored Apples By Multispectral Machine Vision. Computers and Electronics in Agriculture, 75: 204-212.
There are 15 citations in total.

Details

Primary Language Turkish
Journal Section Articles
Authors

Kadir Sabancı

Muhammed Fahri Ünlerşen

Yusuf Dilay This is me

Publication Date October 14, 2016
Published in Issue Year 2016 Volume: 12 Issue: 2

Cite

APA Sabancı, K., Ünlerşen, M. F., & Dilay, Y. (2016). Karaman Yöresinde Yetiştirilen Elma Çeşitlerinin Sınıflandırma Parametrelerini Görüntü İşleme Teknikleri Kullanarak Belirlenmesi. Tarım Makinaları Bilimi Dergisi, 12(2), 133-139.

Journal of Agricultural Machinery Science is a refereed scientific journal published by the Agricultural Machinery Association as 3 issues a year.