Kapalı ve Açık Uçlu Kabuklu Antep Fıstıklarının Makine Öğrenme Algoritmaları ile Sınıflandırılması

Abstract

Antep fıstığı, besin değeri yüksek ve hoş tadı nedeniyle dünya çapında yaygın olarak tüketilen bir fıstık türüdür. Genellikle Antep fıstığı açık veya kapalı kabuklu olarak satılmaktadır. Ancak, kapalı kabuklu Antep fıstığı tüketiciler tarafından tercih edilmemekte ve bu da fıstığın ticari değerinin düşmesine neden olmaktadır. Üretim süreçleri ve işleme sırasında kalite kontrolünü sağlamak için açık ve kapalı uçlu Antep fıstığı kabuklarını ayırt edebilmek esastır. Bu işlem manuel olarak veya mekanik cihazlar kullanılarak yapılabilir. Manuel sınıflandırma işlemi işçiler tarafından yapılmakta olup bu şekilde yapılan ayırma işlemi zaman ve maliyet açısından verimsiz sayılmaktadır. Mekanik sınıflandırma işleminde ise fıstığının mekanik olarak ayrılması, ayıklama işleminde kullanılan iğne mekanizması nedeniyle açık kabuklu fıstıkların iç kısımlarına zarar verebilmektedir. Bu çalışma, Antep fıstığı tanelerinin makina görme tabanlı bir sistem kullanılarak sınıflandırılmasını ve sınıflandırma doğruluğu açısından uygulanabilirliğinin değerlendirilmesini amaçlamaktadır. Denemelerde yerli pazarlarda bulunan Uzun, Kırmızı ve Halebi olmak üzere 3 çesit Antep fıstığı kullanılmıştır. Bu çeşitler Siirt ve Akuri gibi diğer fıstık çeşitlerinden, şekil, boyut ve tat özellikleri açısından farklıdır. Araştırmada kullanılan makina görme sistemi, Antep fıstığı tanelerini kapalı ve açık uçlu kabuklu olarak iki sınıfa ayırabilmektedir. Bu çalışmada 500 açık ve 500 kapalı uçlu tane olmak üzere 1.000 adet Antep fıstığı tane görüntüsü elde edilmiş ve değerlendirilmiştir. Elde edilen görüntüler işlenerek özellik çıkarma için hazırlanmıştır. Görüntülerden toplam 14 renk özelliği çıkarılmıştır. Tek özellik kullanılmasına rağmen, Rastgele Orman, Destek Vektör Makinesi ve Lojistik Regresyon modellerinden sırasıyla % 95.6,% 94.8 ve% 93.6'lık umut verici sınıflandırma doğruluk oranları elde edilmiştir. Sınıflandırıcıların performansları birbirleriyle karşılaştırılmıştır. Sınıflandırıcılar arasında yaklaşık benzer performanslar elde edilmiştir. Bu sonuçlar, Rastgele Orman sınıflandırıcısının, açık ve kapalı kabuklu uçlu olarak Antep fıstığı tanelerini sınıflandırmak için en etkili algoritma olduğunu göstermektedir. Anahtar Sözcükler: Antep Fıstığı, Görüntü İşleme, Renk Özelliği, Lojistik Regresyon, Rastgele Orman, Destek Vektör Makinesi.Pistachio nuts are a type of nut that is widely consumed around the world due to their high nutritional value and pleasant taste. Pistachios are usually sold in their shells, either open or closed. However, closed-shell pistachios are not well received by consumers, resulting in a lower commercial value. It is essential to be able to distinguish between open and closed pistachio shells in order to ensure quality control during production processes and processing. This can be done manually or by using mechanical devices. Manual inspection and categorization of pistachio nuts have traditionally been done by workers, but this process is inefficient in terms of time and money. Mechanical separation of open and closed-shell pistachio can damage the kernels of open-shell nuts due to the needle mechanism used in the sorting process. This study aims to classify pistachio nuts using a machine vision-based system and evaluate its applicability in terms of classification accuracy. The system is evaluated on the Antep pistachio variety, the commercial name of Uzun, Kırmızı, and Halebi varieties in the Turkish market which can be distinguished from other pistachio varieties, such as Siirt and Akuri pistachios, based on their shape, size, and taste properties. In this study, 1.000 pistachio nuts images were obtained and examined, including 500 open and 500 closed nuts. The images were pre-processed and prepared for feature extraction. From the images, a total of 14 color features were extracted. Although the single feature was used, promising classification accuracy rates of 95.6%, 94.8%, and 93.6% from the Random Forest, Support Vector Machine, and Logistic Regression were achieved, respectively. The performances of classifiers were compared to each other. Almost similar performances were detected. These results demonstrate that the Random Forest classifier is the most effective algorithm for classifying open and closed pistachio nuts. Keywords: Pistachio, Image Processing, Color Feature, Logistic Regression, Random Forest, Support Vector Machine.