Data Mining and Pixel Distribution Approach for Wood DensityPrediction
Yazarlar (3)
Timuçin Bardak Bartın Üniversitesi, Türkiye
Prof. Dr. Selahattin BARDAK Sinop Üniversitesi, Türkiye
Doç. Dr. Eser Sözen Bartın Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Diğer hakemli uluslarası dergilerde yayınlanan tam makale)
|
||
| Dergi Adı | Bartın Orman Fakültesi Dergisi | ||
| Dergi ISSN | 1302-0943 | ||
| Dergi Tarandığı Indeksler | Index Copernicus, CAB Abstracts Full Text, Clarivate Analytics, Zoological Record, InfoBase Index, Eurasian Scientific Journal Index | ||
| Makale Dili | İngilizce | Basım Tarihi | 08-2019 |
| Cilt / Sayı / Sayfa | 21 / 2 / 386–396 | DOI | 10.24011/barofd.561858 |
| Makale Linki | https://dergipark.org.tr/en/pub/barofd | ||
| UAK Araştırma Alanları |
Veri Madenciliği
|
||
| Özet |
| Ahşap, ekonomik kalkınmada stratejik bir öneme sahiptir. Yenilikler, tüm endüstrilerde olduğu gibi ahşap endüstrisinde de ticari başarının temelini oluşturur. Ahşabın yoğunluğu, ahşabın fiziksel ve mekanik özellikleri hakkında değerli bilgiler sağlar ve ayrıca orman endüstrisindeki verim ile de doğrudan ilgilidir. Ahşap yapıların fiziksel özelliklerini değerlendirmek için birçok tahribatsız test çalışmaları yapılmıştır. Bu çalışma, gri tonlamalı görüntüdeki piksel sayısı ve veri madenciliğini kullanarak meşe (Quercus robur) ve kayın (Fagus orientalis L.) ağacının yoğunluğunu tahmin etmek için yapıldı. Bu amaçla, ahşap görüntülerden elde edilen piksel yoğunluğu verileri kaydedildi. Bu veriler yapay sinir ağları ve rastgele orman algoritmalarında tanımlayıcı değişkenler olarak kullanılmıştır. Tasarlanan yapay sinir ağı ve rastgele orman algoritmaları, test aşamasında sırasıyla % 95,19 ve %96,36 doğrulukla yoğunluk tahmini sağlamıştır. Sonuç olarak, bu çalışma piksel yoğunluğunun ve veri madenciliğinin ahşabın yoğunluğunu öngörmede bir araç olarak kullanılma potansiyeline sahip olduğunu göstermiştir. |
| Anahtar Kelimeler |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Google Scholar | 2 |