Görüntü Çözünürlüğünün Elazığ Vişne Mermerinin Derin Öğrenme Tabanlı Sınıflandırılmasına Etkisi

Abstract

Doğal taşlar, insanlık tarihi boyunca estetik, kültürel ve ekonomik değerleriyle önemli bir rol oynamış; anıtsal mimariden çağdaş tasarıma kadar uzanan geniş bir kullanım alanı bulmuştur. Bu taşlar arasında, yalnızca Türkiye’nin Elazığ iline bağlı Alacakaya ilçesinden çıkarılan Elazığ Vişne mermeri, derin vişne kırmızısı rengi, belirgin damarlı yapısı ve parlak yüzey dokusuyla dünya çapında benzersiz ve saygın bir doğal kaynak olarak öne çıkmaktadır. Bu çalışma, Elazığ Vişne mermeri üzerinde gerçekleştirilen deneysel analizler aracılığıyla, görüntü çözünürlüğünün derin öğrenme tabanlı görsel sınıflandırma modelleri üzerindeki etkisini sistematik bir biçimde incelemektedir. Toplam 2551 görüntü, 96x96 ile 1024x1024 piksel arasında değişen çoklu çözünürlük seviyelerine yeniden örneklenmiş ve üç farklı önceden eğitilmiş mimari (ResNet50, Darknet53 ve DenseNetV2) kullanılarak değerlendirilmiştir. Bulgular, düşük çözünürlüklerde doğruluk oranlarının %90–93 aralığında kaldığını, buna karşın orta düzey çözünürlüklerin (224x224 – 299x299) belirgin bir iyileşme sağladığını ve doğruluk ile hesaplama verimliliği arasında en uygun dengeyi sunduğunu göstermektedir. Daha yüksek çözünürlüklerde performans artışı sınırlı kalmakla birlikte, ResNet50 modeli 1024x1024 çözünürlükte %96,1 ile en yüksek doğruluk oranına ulaşmıştır. Sonuçlar, görüntü çözünürlüğünün yalnızca görsel kaliteyi değil, aynı zamanda sınıflandırma doğruluğunu, hesaplama maliyetini ve modelin aşırı uyum (overfitting) karşısındaki dayanıklılığını etkileyen kritik bir parametre olduğunu ortaya koymaktadır. Bu doğrultuda, çalışma çözünürlük–mimari etkileşimlerine ilişkin yeni bulgular sunmakta ve doğal taş endüstrisi için dijital, nesnel ve tekrarlanabilir bir kalite kontrol alternatifi geliştirmeye yönelik pratik katkılar sağlamaktadır.