Wheat kernels classification using visible-near infrared camera based on deep learning

Authors : Kemal ÖZKAN, Erol SEKE, Şahin IŞIK

Pages : 618-626

View : 16 | Download : 10

Publication Date : 2021-10-28

Article Type : Research Paper

Abstract :Bu makale, derin öğrenme metodolojisine dayalı hiperspektral buğday verilerinin sınıflandırılması için akıllı bir makine öğrenme sistemi sunmaktadır. Bu amaçla, hiperspektral buğday örneklerinin sınıflandırılması için AlexNet ve VGG16 modellerinin performansları araştırılmıştır. Bu çalışmada, buğday çekirdeklerinin türlerini tahmin etmek için Destek Vektör Makinesi insert ignore into journalissuearticles values(DVM); ve Softmax sınıflandırıcıları kullanılmıştır. Sistem performansını değerlendirmek için, Görünür Yakın Kızılötesi Görüntüleme insert ignore into journalissuearticles values(VNIR); kullanılarak 50 buğday türüne ait tür başına 220 görüntü toplamda 11000 örnek içeren yeni bir hiperspektral buğday test veri kümesi oluşturulmuştur. Yeni oluşturulan test veri seti üzerinde yapılan deneylerde, AlexNet ve VGG16 için tamamen bağlı katman insert ignore into journalissuearticles values(FC6 ve FC7); özellikleri kullanılması durumunda doğrusal DVM sınıflandırıcısı tarafından belirlenen yaklaşık %96.00 ve % 99.00`lık genel doğruluk oranları elde edilmiştir. Softmax sınıflandırıcı ile numunelerin sırasıyla %92 ve %70`i, eğitimli VGG16 ve AlexNet modellerine göre doğru bir şekilde ayırt edilebilmiştir. Elde edilen üstün sonuçlar, derin bir Evrişimsel Sinir Ağları insert ignore into journalissuearticles values(ESA); mimarisi kullanmanın, buğday türlerinin doğru bir şekilde ayırt edilmesi yoluyla daha verimli olduğunu göstermektedir. Önerilen derin öğrenme temelli sınıflandırma sistemi, gıdalarda kalite analizi, sınıflandırma ve hastalık tespiti için yüksek doğrulukta sonuçlar vaat etmektedir.
Keywords : Besin mühendisliği, Evrişimsel sinir ağları, Sınıflandırma, Görünür yakin kızılötesi, Buğday