Yakın Kızılötesi Spektroskopisinin Odun Teşhisinde Kullanımı
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Orman Fakültesi, Orman Endüstri Mühendisliği, Türkiye
Tez Danışmanı: Ayşe Dilek Doğu
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Desteklendiği Program: Diğer
Özet:
Bir odun örneğinin hangi ağaç türüne ait olduğunun tespitinde genel kabul gören yöntem mikroskobik teşhistir. Fakat bu yöntemin emek-yoğun olması, nispeten uzun hazırlık ve inceleme sürelerini gerektirmesinin yanı sıra, odun anatomisi uzmanlarına ihtiyaç duyulması sebebiyle son yıllarda daha kısa süreli etkin teşhis yöntemlerinin arayışlarına yönelik çalışmalara yoğunlaşıldığı görülmektedir. Bu çalışmalardan çıkan çözüm önerilerinden biri yakın kızılötesi spektroskopisinin (NIRS) kullanımıdır. Esas olarak ağaç malzemenin kimyasal yapısının analizine dayanan bu yöntemle elde edilen veriler, kemometrik yöntemler aracılığıyla değerlendirilmektedir. Bu çalışmada, NIRS yönteminin çok değişkenli veri analizleri yardımıyla ağaç türü teşhisinde kullanım etkinliğinin belirlenmesi amaçlanmıştır. Bu amaç doğrultusunda dış morfolojik özellikleri aracılığıyla teşhis edilen yerli türlerimizden sarıçam, karaçam, sapsız meşe ve Macar meşesi türlerine ait yakın kızılötesi verileri, 12 000 – 4 000 cm-1 spektral aralığında, 4 cm-1 çözünürlükle elde edilmiştir. Cins ve tür bazında ayrımın elde edilmesi için doğrusal modellerden kısmi en küçük kareler diskriminat analizi (PLS-DA), diyagonal doğrusal diskriminant analizi (DL-DA), doğrusal olmayan modellerden karar ağaçları (DT), yapay sinir ağları (ANN) ve destek vektör makineleri (SVM) uygulanmıştır. Tüm modeller herhangi bir ön işlem uygulanmamış (ham) veri setlerinde ve standart normal değişim (SNV), çarpımsal saçılım düzeltmesi (MSC), Savizky-Golay algoritması (SG) ile 1.türev (1 Dr), SG 1 Dr + SNV, SG 1 Dr + MSC, düzgünleştirme (Sm), Sm + 1 Dr, Sm + 2 Dr aracılığıyla ön işlem uygulanmış veri setlerinde denenmiştir. Modellerin başarıları kalibrasyona katılmayan test setleri ile denenmeleri sonucu elde edilen doğru tahmin oranları aracılığıyla belirlenmiştir. Ham veriler kullanılarak DL-DA, PLS-DA, DT, ANN, SVM modellerinin doğru tahmin oranları sırasıyla, çam ve meşe türlerinin cins bazında ayrımı için % 74, % 99, % 94, % 99,5, %100; çam türlerinin birbirinden ayrımında % 47, % 84, % 54, % 50, % 73; meşe türlerinin birbirinden ayrımında % 62, % 96, % 76, % 81, % 91 olarak bulunmuştur. Ön işlem metotlarının doğru tahmin oranlarını iyileştirici etkileri olmasına rağmen, tüm modellerde veya veri setlerinde ortak olarak en iyi denilebilecek bir ön işlem uygulaması tespit edilmemiştir. Denenen modeller arasında ağaç türü ayrımında doğrusal modellerden PLS-DA, doğrusal olmayan modellerden SVM en başarılı modeller olarak belirlenmiştir. Çalışmanın sonucunda NIRS yönteminin çok değişkenli veri analizleri yardımıyla ağaç türlerinin sınıflandırılmasında kullanımının oldukça yüksek başarı oranlarına ulaşılabildiği ortaya konulmuştur.