Siyah çayın makine öğrenimi ile sınıflandırılması
Yükleniyor...
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
CC0 1.0 Universal
info:eu-repo/semantics/openAccess
info:eu-repo/semantics/openAccess
Özet
Bu çalışma iki farklı kalitede olan siyah çayın sınıflandırılması için makine öğrenimi kullanılmıştır. SVM , Naive-Bayes gibi algoritmaların yanında görüntü sınıflandırma çokça kullanılan evrişimsel sinir ağı (CNN) ile de sınıflandırma çalışmaları yapılmıştır. SVM, Naive-Bayes sınıflandırıcılarına görüntülerin RGB,HSV, YCrCb renk uzaylarından elde edilen özniteliklerden oluşan veri setleri ile sınıflandırma çalışması yapılmıştır. SVM algoritması iki farklı kalitedeki siyah çayın YCrCb renk uzayından elde edilen öznitelikler ile testinde %99 gibi yüksek bir oranda doğruluk ortaya koymuştur. Bunun yanı sıra evrişimsel sinir ağı (CNN) herhangi bir yapısı gereği görseller üzerinde herhangi bir öznitelik çıkarımı sürecine ihtiyaç duymadan eğitim görsellerinde %98.52 ve doğrulama için kullanılan görseller için ise %98.56 oranında doğrulukla sınıflandırma yapmıştır. Elde edilen veriler dikkate alınarak farklı nesneleri de sınıflandırabilecek bir evrişimsel sinir ağının siyah çay görselleriyle de eğitilmesi sonucunda etkin bir sistem ortaya konulabileceği düşünülmektedir.
This study used machine learning to classify black tea of two different qualities. In addition to algorithms such as SVM and Naive-Bayes, classification studies have been carried out with convolutional neural network (CNN), which is widely used in image classification. Classification studies were carried out with data sets consisting of features obtained from RGB, HSV, YCrCb color spaces of the images to SVM, Naive-Bayes classifiers. SVM algorithm has demonstrated a high accuracy of 99% in the testing of two different qualities of black tea with features obtained from YCrCb color space. In addition, the convolutional neural network (CNN) classified the visuals with 98.52% accuracy and 98.56% accuracy for the visuals used for verification, without the need for any feature extraction process on the visuals due to any structure. Considering the obtained data, it is thought that an effective system can be created by training a convolutional neural network that can classify different objects with black tea images.
This study used machine learning to classify black tea of two different qualities. In addition to algorithms such as SVM and Naive-Bayes, classification studies have been carried out with convolutional neural network (CNN), which is widely used in image classification. Classification studies were carried out with data sets consisting of features obtained from RGB, HSV, YCrCb color spaces of the images to SVM, Naive-Bayes classifiers. SVM algorithm has demonstrated a high accuracy of 99% in the testing of two different qualities of black tea with features obtained from YCrCb color space. In addition, the convolutional neural network (CNN) classified the visuals with 98.52% accuracy and 98.56% accuracy for the visuals used for verification, without the need for any feature extraction process on the visuals due to any structure. Considering the obtained data, it is thought that an effective system can be created by training a convolutional neural network that can classify different objects with black tea images.
Açıklama
Anahtar Kelimeler
Siyah çay sınıflandırma, SVM, Naive-bayes, Evrişimsel sinir ağı, Black tea classification, SVM, Naive-bayes, Convolutional neural network
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Kazdal, S. A. (2020). Siyah çayın makine öğrenimi ile sınıflandırılması / Classification of black tea by machine learning. (Yayımlanmamış Yüksek Lisans Tezi). Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.
