ELAZIĞ VİŞNE MERMERİNİN KALİTE METRİKLERİNİN GÖRÜNTÜ İŞLEME VE YAPAY ZEKA KULLANILARAK BELİRLENMESİ

Abstract

Bu tez çalışması, yalnızca Elazığ'ın Alacakaya ilçesi civarında çıkarılan Elazığ Vişne Mermerinin ekonomik değerini arttırmaya yönelik bilimsel kalite metriklerini belirleyerek yapay zekâ destekli görüntü işleme teknikleriyle kalite sınıflandırmasını modellemeyi ve analiz etmeyi amaçlamaktadır. Günümüzde doğal taşların kalite değerlendirme süreçleri büyük ölçüde uzman görüşlerine dayalı, öznel yöntemlerle yürütülmekte bu da maliyetli ve hataya açık sonuçlar doğurmaktadır. Bu nedenle oluşturulan yüksek çözünürlüklü görüntü veri seti üzerinde doku, renk ve damar desenlerine ilişkin analizler yapılmış ve uzman görüşleriyle birlikte kalite metrikleri belirlenmiştir. İmgeler derin öğrenme mimarileriyle işlenerek mermer yüzeyleri A, B, C gibi ana ve A1, A2, A3 gibi alt sınıflara ayrılmış, sınıflandırma başarımında ResNet50 ve Destek Vektör Makineleri ile %95,80 doğruluk elde edilmiştir. Aynı kayaçtan gelen plakalar arasında görsel tutarlılığı sağlamak amacıyla desen karşılaştırmaları gerçekleştirilmiş ve Yerel İkili Örüntüler (LBP) yöntemiyle blok aidiyeti %44 – 92 oranında doğrulukla tespit edilmiştir. Sınıflandırma başarısını artırmak ve e-ticaret uygulamalarına uygun gerçekçi görseller sunmak amacıyla süper çözünürlük teknikleri uygulanmış, RSMAN mimarisiyle damar detayları netleştirilerek sınıflandırma başarımında doğruluk oranı %96,4'e çıkarılmıştır. Ayrıca yüzey görselleri klasik ve çağdaş sanat yaklaşımlarıyla değerlendirilmiş, yapay zekâ ve görsel sanat uzmanı yorumları karşılaştırmalı olarak sunulmuştur. Sonuç olarak bu tez çalışması, Elazığ Vişne Mermerinin kalite değerlendirmesini somut metriklere dayandırarak otomatikleştirirken aynı zamanda teknik doğruluk ile estetik duyarlılığı birleştiren bütüncül bir yaklaşım sunmuştur.

This thesis aims to model and analyze the quality classification using artificial intelligence assisted image processing techniques by determining scientific quality metrics to increase the economic value of the Elazığ Cherry Marble, mined exclusively in the Alacakaya district of Elazığ. Currently, quality assessment processes for natural stones are largely conducted using subjective methods based on expert opinions, resulting in costly and error prone results. Therefore, texture, color, and vein patterns were analyzed on the generated high resolution image dataset, and quality metrics were determined based on expert opinions. The images were processed using deep learning architectures, categorizing marble surfaces into main classes (A, B, and C) and subclasses (A1, A2, and A3). Classification accuracy was achieved with ResNet50 and Support Vector Machines (SVM) with 95.80% accuracy. Pattern comparisons were performed to ensure visual consistency between slabs from the same rock, and block affiliation was determined with 44-92% accuracy using the Local Binary Patterns (LBP) method. To increase classification accuracy and deliver realistic images suitable for e-commerce applications, super resolution techniques were applied. By refining vein details using the RSMAN model, the classification accuracy rate was increased to 96.4%. Furthermore, surface images were evaluated using classical and contemporary art approaches and comparisons were made between artificial intelligence and visual art expert assessments. Ultimately, this thesis presents a holistic approach that automates the quality assessment of Elazığ Cherry Marble based on concrete metrics, while simultaneously combining technical accuracy and aesthetic sensitivity.