Sıra | DOSYA ADI | Format | Bağlantı |
---|---|---|---|
01. | Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi | pptx | Sunumu İndir |
Transkript
Karadeniz Teknik Üniversitesi Akademik Bilişim – 2013 Akdeniz Üniversitesi Seyyed Hossein CHAVOSHI (Say) Mir Mohammad Reza ALAVI MILANI Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Karadeniz Teknik Üniversitesi
Giriş Bitkiler dünyadaki canlılığın devamını ve doğal dengesini sağlayan yeryüzündeki yaşamın temel bir parçasıdır. Bitkilerden yararlanmak ve iyi kullanmak için onları tanımamız gerekiyor. Bitkiler alemi geniş ve çeşitli olduğu için bu tanım kolay olmayıp ve zaman alıcı olacaktır. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Bitki tanımada, bitkilerin özellikleri, benzer ve ayırdedici karakterleri önemlidir ve botanikçilere bitkileri tanıma ve sınıflandırmada yardımcı olur. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Teşhis Anahtarları Kullanılarak Pratik Yöntemleri • Herbaryum: Bitki koleksiyonu Teknoloji Ve Bilgisayar Destekli Sistemler Ve Yöntemleri • Yaprağın şekil özellikleri ve sınıfları kullanılarak bitki tanıması (Jyotismita Chaki, Ranjan Parekh - 2011) • Fraktal boyutları ile bitki sınıflandırılması (Antony Jobin, Madhu S. Nair, Rao Tatavarti - 2012) • Otomatik görüntüsü ile ağaç taksonomisi yapılması (Eric J.Pauwels, PaulM.deZeeuwa, ElenaB.Ranguelova - 2009) • Morfometrik ve görüntü işleme yöntemlerinden yararlanılarak bitkilerin bitki tanınması (James S. Copea, David Corneyb, Jonathan Y. Clarkb, Paolo Remagninoa, Paul Wilkinc – 2011 and D. E. Guyer, G. E. Miles, M. M. Schreiber, O. R. Mitchell, V. C. Vanderbilt – 1986) • Fourier, SVM-BDT ve PNN teknikleri ile yaprak şekillerinin sınıflandırılması (Krishna Singh, Indra Gupta, Sangeeta Gupta - 2010) Bitki tanımada Kullanılan yöntemler: 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Tabi ki pratik yöntemlerle özellikleri farketmek zaman alıcı olmakla birlikte yetenek sahibi olunmasını da gerektirir. Daha hızlı bitki tanımak ve botanikçilerin farklı yeteneğe sahib olmaları problemine yardımcı olabilmek için bilgisayardan yararlanabiliriz. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Bu çalışmada teknoloji ve bilgisayar destekli sistemler ve yöntemleri kullanılmıştır ve bitki tanıma sistemi oluşturmak için Bulanık Mantığından yararlanarak Türkiye’de doğal olan Meşe türlerinin yaprakları üzerinde deneme yapılmıştır. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Meşeler Meşeler, bitki sistimatiğinde Alem Bitkiler Bölüm Spermatophyta Alt bölüm Angiospermae Sınıf Magnoliopsida Takım Fagales Familya Fagaceae Cins Quercus L. Meşeler, Fagaceae familyası içinde en önde gelen cinslerden olup, çoğunlukla ağaç ve çalı halinde odunsu bitkilerdir. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Neden Meşe? 1) Meşe işlenebilirliği açısından en kıymetli ağaçlardandır. 2) Özellikle orman sektöründe, ilaç sektöründe, mobilya ve parke sektöründe geniş bir kullanım alanı vardır. 3) Türkiye ormanlarının yaklaşık ¼’ünü meşeler oluşturmaktadır. 4) Meşe cinsi uzun zamandır tam ve tatmin edici bir sistematiği yapılmamış cinslerden birisidir. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Odunları ve yaprakları göze alınarak yapılan sınıflandırmada meşeler bugün 3 büyük gruba ayrılır: Yaprakları dikensiz ve lobludur. Ak Meşeler Yaprakları çoğunlukla dar, uzun ve en geniş yeri ortasıdır. Eliptik ya da ters yumurta biçimleri de görülebilir. Kırmızı Meşeler Yaprakları deri gibi sert ve tam kenarlı ya da dişli ve bazen sert dikenlidir. Herdem Yeşil Meşeler 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Quercus robur (subsp. robur, subsp. pedunculiflora) Saplı Meşe Quercus petraea (subsp. petraea, subsp. iberica, subsp. pinnatiloba) Sapsız Meşe Quercus hartwissiana Istranca Meşesi Quercus frainetto (Q. conferta) Macar Meşesi Quercus vulcanica Kasnak Meşesi Quercus pontica Doğu Karadeniz Meşesi Quercus infectoria (subsp. infectoria, subsp. boissieri) Mazı Meşesi Quercus pubescens Tüylü Meşe Quercus macranthera subsp. syspirensis İspir Meşesi Quercus virgiliana Yalancı Tüylü Meşe Quercus libani Lübnan Meşesi Quercus trojana Makadonya Meşesi Quercus cerris Saçlı Meşe, Türkiye Meşesi Quercus brantii İran Palamut Meşesi Quercus ithaburensis subsp. Macrolepis (Quercus aegilpos) Palamut Meşesi Quercus coccifera Kermes Meşesi Quercus ilex Pırnal Meşesi Quercus aucheri Boz Pırnal Aşağıda belirlenen doğal türleri tanımada, meşe yapraklarının anlatılan benzerlik ve farklılıkları bilgisayar destekli sistemlerde önemli etmen olarak kullanıldı. Doğal Ak Meşe Tü leri Doğal Kırmızı Meşe Türleri Doğal Herdem Yeşil Meşe Türleri 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Bulanık Sistemleri 1965 yılında Prof. Lotfi Zadeh ile bulanık kümeler teorisi tanıtılmıştır. Bu teori belirsiz ve kararsız verilerin hesaplamalarına yöntem gösterir ve bazı kuralları belirlir. Bu kurallara göre kümelerin her üyesinin ilişkisi sıfır ve bir aralarında olabilmektedir. Son yıllarda bulanık sistemleri kullanımı ve uygulaması daha fazla olmuştur ki bunlardan birisi görüntü işleme olabilmektedir. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Bulanık sistemleri ile kullanılan yöntemler aşağıda gelen dört ana bölümden ulaşmaktadır: Bulanıklaştırma • Bu aşamada üyelik fonksiyonları yararlanarak, girilenler ve değişkenler arası ilişkiler belirlenmektedir. Bilgi veritabanı Sonuç çıkarma motoru • Bu bölüm bulanık sistemlerin karar verme merkezi sayılabilmektedir. Durulaştırma • Bulanıklaştırma aşamasının tam tersi olarak, kesin bir çıktı elde edebilmektedir. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Önerilen Yöntem 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Önerilen yöntemde, tanıma sistemi üç bölümde yapılır: Ön işleme aşaması Çerçeve kullanılarak özelliklerin çıkartılması Bulanık Mantığı kullanarak tanıma sistemi 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Ön İşlemler Ön işlemler üç adımdan oluşur: 2) Normalizasyon 3) İnceltme 1) Eğriliklerin Düzeltilmesi 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Çekilen resimlerdeki yapraklar çeşitli yönlerde olabilir ki öncelikle onların eğriliklerinin düzeltilmesi gerekir. Yaprağın eğriliklerinin düzeltilmesi 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Eğriliklerin Düzeltilmesi
Bu aşamada istediğimiz resim ikili görüntüye çevrilir.1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Normalizasyon - 1
İkili resmin dört taraftan fazlalıkları kaldırılıp ve bir çerçeveye alınır. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Normalizasyon - 2
Elde edilen resmin yüksekliği 480 piksel yapılır (Zoom Yaparak). 4 80 p ik se l 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Normalizasyon - 3
48 0 p iksel 4 8 0 p ik se l Sonuç olarak, resmin genişliği 440 piksel yapılır (Zoom yapmadan). 440 piksel 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Normalizasyon - 4
Bu aşamada, elde edilen resime kenar çıkarma yöntemi uygulanır. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi İnceltme
Çerçeveleme Bu aşamada, resmin alanı 24 eş kutuya bölünerek her resim için 24 özellik kutusu elde edilir. 440 piksel 48 0 p ik se l 8 0 p iksel 110 piksel48 0 p iksel 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Bu sistemde Bulanık yöntemin geliştirmek için iki aşama yapılmaktadır: B ul an ık Y ön te m i İ le Ş ek il T an ım a Si st em i 1. Veri Tabanı Oluşturmak 2. Tanıma 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
Burada her kutu için iki özellik hesaplanır: 1) Kutuların 1 değerlerinin ortalaması ? ? ? = �� ? ? � � ? ? ? ? ? � � ? = ? 2) Kutuların 1 değerlerinin varyansı ? ? ? ? = ? � � ? ? ? ? ? ? (? −? )�� ? ? ? = ? 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Veri Tabanı Oluşturmak - 1
Böylece her kutu için iki özellik hesaplanır. Dolaysıyla, bir resim için 2*24 = 48 özellik hesaplanır. Her grup için tüm örnek resimlere bu özellikler hesaplanır ve bu işlem tüm gruplar için yapılır. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Veri Tabanı Oluşturmak - 2
Aşağıdaki tablo, elde edilen sonuçlarla bu sistemin veri tabanı olarak oluşturulur. Kutu No Küme No 1 2 3 4 5 6 7 8 … … 19 20 21 22 23 24 1 ? 0.00 117.2 130.0 0.00 35.20 115.20 114.80 23.80 120.00 0.00 0.00 49.20 84.20 0.00 ? ? 0.00 384.2 1805.5 0.00 917.70 509.70 1669.20 1034.20 617.00 0.00 0.00 488.20 149.70 0.00 2 ? 0.00 89.40 90.20 0.00 10.20 56.80 58.20 9.80 65.60 63.20 0.00 0.00 76.20 43.00 ? ? 0.00 131.80 197.70 0.00 128.70 186.70 395.70 127.70 2.80 34.70 0.00 0.00 357.20 234.00 3 ? 0.00 75.60 97.60 0.00 7.20 78.20 75.00 11.20 71.40 0.00 0.00 37.00 45.80 0.00 ? ? 0.00 83.80 595.80 0.00 82.70 235.70 151.50 374.70 50.80 0.00 0.00 503.50 173.20 0.00 4 ? 0.00 93.80 89.40 0.00 16.60 72.00 80.00 19.20 83.00 1.00 0.00 47.20 62.40 0.00 ? ? 0.00 74.20 218.30 0.00 312.30 642.50 297.00 505.70 167.50 3.00 0.00 1006.70 194.30 0.00 ⋮ ⋮ 15 ? 134.20 1896.40 1844.40 0.40 1160.60 6228.00 6208.00 688.60 … … 7007.20 1479.80 4.40 1694.60 1952.20 0.40 ? ? 90048.2 5332772 846812.3 0.80 5257815 5557979 5661296 1153321 3935683 799167 96.80 3060769 3645785 0.80 16 ? 0.00 82.20 81.60 0.00 22.40 70.40 73.60 26.00 56.40 35.00 0.60 140.80 92.80 0.00 ? ? 0.00 389.70 1078.30 0.00 508.30 158.30 126.80 732.50 811.80 2056.00 1.80 231.20 1111.70 0.00 17 ? 0.80 86.20 95.20 0.40 31.80 36.00 36.20 39.40 71.20 2.00 0.20 0.20 96.80 0.00 ? ? 3.20 528.70 939.70 0.80 376.20 232.00 1225.20 1230.80 130.20 20.00 0.20 0.20 1967.20 0.00 18 ? 0.00 59.20 68.60 0.00 0.00 60.60 66.40 0.00 58.60 2.40 0.00 44.00 91.60 0.00 ? ? 0.00 44.70 274.30 0.00 0.00 78.30 190.30 0.00 116.30 28.80 0.00 1635.50 1924.80 0.00 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Veri Tabanı Oluşturmak - 3
Bu aşamada, her hangi bir bilinmeyen resimi elde ederek aşağıdaki işlemler yapılır: 1) Bahs edilen tüm ön işlemleri ve çerçeveleme 2) Bilinmeyen resim için 48 özelliğin hesaplanması � � (24 kutu ve her kutu için 2 özellik ? ? ve ? ? ) 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Tanıma - 1
Daha sonra, her grup için bilinmeyen resmin tüm kutularına aşağıdaki denklemi kullanarak üyelik değeri hesaplanır. � � ? ? (? ? ) = ? − ? ? −? ? ? ? ? ? � � ? ? ? ? ? > ? � � ? ? (? ? ) = ? − (? ? −? ? ? )? .? ? ? � � ? ? ? ? ? < ? 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Tanıma - 2 Burada ? ? ? (? ? ) bilinmeyen resimin i.özelliğinin üyelik derecesidir.
1 2 3 i 21 22 23 24 X r. Grup � � ? ? (? ? ) = ? − ? ? −? ? ? ? ? ? ? ? ? ? ? ? > ? � � ? ? (? ? ) = ? − (? ? −? ? ? )? .? ? ? ? ? ? ? ? ? < ? ? ? ? (? ? ) ? ? ? ? ? ? ? ? ? = ? ? ( ) = ? ? (? ? ) ? ? ? ? ? ? ? ? r. Grubun Üyelik Değeri 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Tanıma - 3
Tüm grublar için üyelik değeri hesaplanır. Hangi grubun değeri yüksekse bilinmeyen resim o gruba aittir. 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi Tanıma - 4
Kaynaklar 1Jyotismita Chaki, Ranjan Parekh, \Plant Leaf Recognition using Shape based Features and Neural Network classifiers\, International Journal of Advanced Computer Science and Applications (IJACSA),Vol. 2, No. 10 (2011). 2Antony Jobin, Madhu S. Nair, Rao Tatavarti, \Plant Identification Based on Fractal Refinement Technique (FRT)\. 2nd International Conference on Communication, Computing & Security [ICCCS], 6:171-179 (2012). 3Eric J.Pauwels, PaulM.deZeeuwa, ElenaB.Ranguelova, \Computer-assisted tree taxonomy by automated image recognition\ Engineering Applications Of Artificial Intelligence, 22:26-31 (2009). 4James S. Copea, David Corneyb, Jonathan Y. Clarkb, Paolo Remagninoa, Paul Wilkinc, \Plant Species Identication Using Digital Morphometrics: a Review\, Preprint submitted to Elsevier, March, (2011). 5D. E. Guyer, G. E. Miles, M. M. Schreiber, O. R. Mitchell, V. C. Vanderbilt, \Machine Vision And Image Processing For Plant Identification\, Transaction Of The ASAE, November-December, 29(6), (1986). 6Krishna Singh, Indra Gupta, Sangeeta Gupta, \SVM-BDT PNN and Fourier Moment Technique for Classification of Leaf Shape\, International Journal of Signal Processing, Image Processing and Pattern Recognition, December, Vol.3, No.4, (2010). 7Prof. Dr. Rahim ANŞİN, Prof. Dr. Zafer Cemal ÖZKAN, \Tohumlu Bitkiler (Spermatophytha) Odunsu Taksonlar\, Karadeniz Teknik Üniversitesi Basımevi, Trabzon, (2006). 8Yrd. Doç. Dr. Kerim GÜNEY, \Bitkiler ve Bitki Birlikleri, Flora ve Vejetasyon Bilgisi, Bitki Toplama, Kurutma Ve Saklama (Herbaryum) Teknikleri\, Korunan Alanlarda Ekoloji Temelli Doğa Eğitimi (Küre-Ilgaz), Kastamonu, (2007). 9 Vincenzo Viscosi, Andrea Cardini, \Leaf Morphology, Taxonomy and Geometric Morphometrics: A Simplified Protocol for Beginners\. PLoS ONE, October, 6(10):e25630.doi:10.1371/journal.pone.0025630 (2011). 10M.Hanmandlu, at el., \Unconstrained Hand Written Character Recognition Based On Fuzzy Logic, Pattern Recognition\, Pattern Recognition, vol 36, pp 60, (2003). 1. Giriş 2. Meşeler 3. Bulanık Sistemleri 4. Önerilen Yöntem 5. Ön İşlemler 1. Eğriliklerin Düzeltilmesi 2. Normalizasyon 3. İnceltme 6. Çerçeveleme 7.Bulanık Yöntemi İle Şekil Tanıma Sistemi 1. Veri tabanı oluşturmak 2. Tanıma 8. Kaynaklar Bulanık Mantığı Kullanarak Bitki Tanıma Sistemi
TEŞEKKÜRLER