Determination of qualitative and quantitative properties of natural stones using signal and image processing techniques

Abstract

Mermer doğal taşlar ailesinin bir üyesidir. Mermerler günlük hayatta yapılarda, dekorasyon malzemelerinde ve diğer amaçlarla yoğun olarak kullanılırlar. Mermerlerin inşaat sektöründe kullanılmaları ekonomik önem kazanmalarını sağlamıştır. Bir mermerin kalitesi onun maliyetini etkileyen ana özelliktir. Bundan dolayı, mermerlerin nitel ve nicel özelliklerinin belirlenmesi önemlidir. Bir mermerin dayanıklılığı tek eksenli basınç dayanım değerine göre nitelendirilir. Bu değer tahribatlı laboratuar testleri ile elde edilir ve yıkıcı olan bu laboratuar testleri sonunda mermer artık bir daha kullanılamaz hale gelir. Bu nedenden dolayı, amacımız tek eksenli basınç dayanım değerlerinin yıkıcı olmayan metotlarla belirlenmesidir. Bu tezde, mermer küp örneklerin tek eksenli basınç dayanım değerlerini tahmin etmek için yıkıcı test metotlarını kullanmak yerine, tahribatsız laboratuar testleri sinyal ve görüntü işleme teknikleri ile birlikte kullanıldı. Sinyal ve görüntü işleme tekniklerinden ve yıkıcı olmayan laboratuar testlerinden elde edilen farklı özniteliklerin başarımı benzetim sonuçları kullanılarak karşılaştırıldı. Öznitelik sayısını düşürmek ve tek eksenli basınç dayanım değerlerinin öngörülme başarısını artırmak için bir öznitelik seçim metodu uygulandı. Tek eksenli basınç dayanım değerlerinin (öznitelik seçimiyle ve öznitelik seçimi olmadan) öngörülmesindeki başarılar karşılaştırıldı ve seçilen öznitelikler ile tek eskenli basınç dayanım değerleri arasında ilinti araştırıldı. Benzetimler farklı tiplerdeki öğrenim metodları ile gerçekleştirildi. Çok katmanlı algılayıcı yapay sinir ağları eğitilirken, rastgele seyrek örnekleme (Random sub-sampling), K-fold çarpraz-sağlama (K-fold cross-validation), leave-one-out çarpraz-sağlama, önyükleme (bootstrap) öğrenim metodları kullanıldı. Marble is a member of the large community of natural stones. It is used in structures for decorative and other purposes extensively. Use of marble in building sector gives it an economical importance. Quality of a marble is a main attribute that affects its cost. Therefore, determination of qualitative and quantitative properties of marbles is of interest. Strength of a marble can be characterized by means of uniaxial compressive strength (UCS). This parameter can be determined by destructive laboratory testing methods. After being subject to destructive testing, marbles cannot be used anymore. Therefore, our aim is to determine UCS by using nondestructive methods. In this thesis, instead of using destructive tests, nondestructive laboratory testing methods are employed together with various signal and image processing techniques in order to determine UCS values of cubic marble samples. Performances of different features obtained using signal and image processing techniques and nondestructive laboratory testing methods are compared via simulation results. A feature selection method is also applied in order to decrease the number of features and to increase the prediction success of UCS values. Success of prediction of UCS values (with and without feature selection) is compared and correlations between selected features and UCS values are investigated. Simulations are accomplished with different types of learning methods. Random sub-sampling, K-fold cross-validation, leave-one-out cross-validation, and bootstrap learning methods are used during training of multilayered perceptron (MLP) neural networks.