Doğal Taş Karolarının Görüntü İşleme ve Makine Öğrenmesi Teknikleri ile Sınıflandırılması

Abstract

Classification process have a great importance on natural stone industry. Natural stone pieces may have different appearances in terms of both colour and texture depending on minerals involved in. Under the influence of some factors such as environmental circumstances and tiredness, vision capability which is necessary for human-centred classification can be insufficient and cause misclassification. Failure decisions made by people in the process of classification give raise to loss of prestige and economic in terms of operation. There is a greater need than ever for natural stone tile classification and grading systems that use computer aided image processing methods for the development of quality control processes that are increasingly important due to the rapidly increasing competition and globalization in the natural stone industry. In this type of automated systems features which can give information about colour and surface of natural stone tiles are extracted via image processing techniques and afterwards, data sets derived by using these features are classified via various techniques of both artificial intelligence and data mining. , In this study, a classification process was performed on a data set which is derived from a natural stone manufacturer operates in Sivas (Beta Mermer) and which consists of six classes and 996 images. Gabor Filter Bank (GFB), Gray Level Co-Occurance Matrix (GLCM), Wavelet Transform (DD), Local Phase Quantization (LPQ) and Local Binary Pattern (LBP) methods were used to acquire pattern information of tiles. Various statistics related to every single color channel were used to obtain color information on marbles. Various data sets were created with the help of the features that are used in the color information besides the features related to pattern. Thus the effect of not only the pattern information but also features related to color on the classification performance were tried to be examined. Data sets which contains only the pattern and features belongs to both pattern and colour were constituted. Finally, the classification performance of these data sets were compared with some methods such as Artificial Neural Network (YSA), Support VectorMachine (SVM), k En Yakın Komşu (k-NN), Decision Tree (KA) and Naive Bayes (NB).

Doğal taş endüstrisinde sınıflandırma işlemi işletmeler için büyük önem arz etmektedir. Doğal taş parçaları içeriğinde bulunan minerallere bağlı olarak renk ve doku açısından farklı görünümlere sahip olabilmektedir. İnsan merkezli sınıflandırma işlemi gerçekleştirilirken görü kabileyeti, farklı çevresel şartlar ve yorgunluk gibi etkenlerinde devreye girmesi ile yetersiz kalmakta ve hatalı sınıflandırmaya yol açmaktadır. Sınıflandırma aşamasında kişilerin vereceği hatalı kararlar işletme açısından hem ekonomik hem de markanın prestij kaybına neden olmaktadır. Doğal taş sektöründeki hızla artan rekabet ve küreselleşme sebebiyle önemi artan kalite kontrol süreçlerinin gelişimi için bilgisayar destekli görüntü işleme yöntemlerini kullanan doğal taş karolarını otomatik sınıflandırma ve derecelendirme sistemlerine her zamankinden daha çok ihtiyaç vardır. Bu tip otomatik sınıflandırma ve derecelendirme sistemlerinde doğal taş karolarına ait resimlerden görüntü işleme teknikleri yardımıyla renk ve yüzey hakkında bilgi verecek öznitelikler çıkarılmakta ve daha sonra bu öznitelikler kullanılarak elde edilen veri seti çeşitli yapay zekâ ve veri madenciliği teknikleriyle sınıflandırılmaktadır. Bu çalışmada Sivas‟ta faaliyet gösteren bir doğal taş üretici firmadan (Beta Mermer A.Ş) elde edilen toplam altı sınıf içeren doğal taş karolarına ait 996 resimden oluşan bir veri seti üzerinde sınıflandırma işlemi gerçekleştirilmiştir. Karolara ait desen bilgisinin elde edilmesinde Gabor Filtre Bankları (GFB), Gri Seviye Eş Oluşum Matrisleri (Gray Level Co-Occurance Matrix-GLCM), Dalgacık Dönüşümü(Wavelet Transform-WT), Yerel Faz Kuantalama (Local Phase Quantization-LPQ) ve Yerel İkili Örüntüler (Local Binary Pattern-LBP) yöntemleri kullanılmıştır. Mermerlere ilişkin renk bilgilerin elde edilmesinde ise her bir renk kanalına ilişkin çeşitli istatistiklerden yararlanılmıştır. Desene ilişkin öznitelikler yanında renk bilgisinin de kullanıldığı öznitelikler yardımıyla çeşitli veri setleri oluşturulmuştur. Böylelikle sadece desen bilgisi değil bunun yanında renge dayalı özniteliklerin de sınıflandırma başarısına olan etkisi incelenmeye çalışılmıştır. Daha sonra bu veri setlerinin sınıflama performansı, Yapay Sinir Ağları (YSA), Destek Vektör Makineleri (Support Vector Machine-SVM), k En Yakın Komşu (k- NearestNeighbour-k-NN), Karar Ağaçları (Decision Tree-KA), Naive Bayes (NB) gibi çeşitli yöntemler kullanılarak karşılaştırılmıştır.