Citation Number
3
Views
4
Bu çalışmada, asfalt ve beton karışımlarında kullanılan doğal ve kırma taş agregaların görüntü işleme teknikleri kullanılarak elde edilen tanımlayıcı vektörlerinin yapay sinir ağları yardımıyla sınıflandırılması amaçlanmaktadır. Farklı şekil özelliklerine sahip (yassı, uzun, yuvarlak, köşeli, küre) 5 iri agrega türünün 45o ve 90o lik açılardaki 7.1 Mp (Canon EOS 350D) ve 10 Mp (Sony DSC-R1) çözünürlüğe sahip 2 farklı dijital fotoğraf makinesinden elde edilen görüntüleri, MATLAB programının Görüntü İşleme Araç kutusu kullanılarak ön işlemlerden geçirilmiştir. Agregalara ait her iki açı için ayrı ayrı 9 ve toplam da 18 öznitelik vektörü bulunarak yapay sinir ağları yardımıyla sınıflandırma işlemi gerçekleştirilmiştir. Sonuçlar, görüntü işleme ve yapay sinir ağlarının agrega özelliklerinin tespiti ve ayırımı için etkili yöntemler olduğunu göstermiş ve agrega ocaklarındaki otomasyon sistemlerin bu tarz yaklaşımlar ile verim, maliyet ve zaman faktörlerini etkileyeceğini ortaya koymuştur.
This study aims to classify the detective vectors of natural and broken stone aggregates used in asphalt and concrete mixture obtained using image processing techniques with the help of artificial nerve networks. Images obtained from 2 different digital cameras with a resolution of 7.1 Mp (Canon EOS 350D) and 10 Mp (Sony DSC-R1) in 45o and 90o angles of 5 large aggregate types with different shaping characteristics (flat, long, round, corner, ball) have been pre-processed using the MATLAB Image Processing Toolbox. The classification process was carried out with the help of artificial nerve networks, with 9 separate and a total of 18 proprietary vectors for both angles of the aggregates. The results showed that image processing and artificial nerve networks are effective methods for the detection and distinction of aggregate characteristics, and the automation systems in aggregate stores will influence the efficiency, cost and time factors with these approaches.
Field : Mühendislik
Journal Type : Ulusal
Article Detail 
Citation Owners
Similar Articles
Journal Information
Listen Paper
Print This Page
Share
Mendeley
