Innovative Computational Techniques for Accurate Internal Defect Detection in Trees: A Stress Wave Tomography Approach Enhanced by Machine Learning

Tez Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Teknik Üniversitesi, Fen-Edebiyat, Matematik Mühendisliği, Türkiye

Tez Danışmanı: Burcu Tunga

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Desteklendiği Program: TÜBİTAK 2244 Programı

Özet:

Ağaçlar, doğal ekosistemlerimizin temel unsurlarından biridir ve hem ekolojik dengeyi korumak hem de canlılığın ihtiyaçlarını karşılamak için hayati öneme sahiptir. Ancak, ağaçlar çeşitli tehditlerle karşı karşıya kalabilirler. İç kusurlar, bu tehditlerden biridir. Ağaç iç kusurları, doğal büyüme süreci, hastalık ve zararlı organizmalar, doğal olaylar, iklim ve çevresel faktörler ile insan etkisinin birleşimi sonucunda meydana gelebilmektedir. Ağaçlar kendi doğal büyüme süreçlerinde hızlı veya düzensiz büyüme, çapraz dallanma, iç çürüme veya çatlamalar gibi kusurlar oluşturabilirler. Hastalıklar, mantarlar, böcekler veya diğer patojenler ağacın iç kısımlarına zarar verebilir ve çürümeye neden olabilirler. Doğal afetler, özellikle fırtınalar, yıldırımlar ve yangınlar, ağaç yapısını etkileyebilir ve iç kusurlara neden olabilir. İklim ve çevresel faktörler, uzun süreli nem, kuruluk, aşırı sıcaklık veya soğukluk gibi etkenler ağaç iç kusurlarını etkileyebilirler. İnsan etkisi, yanlış kesim teknikleri veya aşırı işleme gibi uygulamalarla ağaçların yapısını zayıflatarak iç kusurlara yol açabilir. Bu faktörlerin bir araya gelmesiyle, ağaçlar iç kusurlar geliştirebilir ve bu kusurlar ahşap ürünlerin kalitesini etkileyebilir.

Ağaçlardaki iç kusurların tespiti, hem orman ekosisteminin sağlığı açısından hem de ahşap ürünlerin endüstriyel önemi göz önüne alındığında kritik bir öneme sahiptir.

İç kusurların tespiti, hem ormancılık endüstrisinde hem de ahşap ürünlerin üretiminde hayati bir faktördür. Kusur tespiti için kullanılan geleneksel yöntemler genellikle ahşabın kesilmesi veya işlenmesi gibi oldukça tahribat yaratan işlemler gerektirir ve bu da kaynak israfına ve ekosisteme zarar verilmesine yol açmaktadır.

Bu nedenle, non-invaziv tekniklerin kullanılması, ahşabın yapısını bozmadan iç kusurları belirleme imkanı sunar. Non-invaziv teknikler, ağaçların doğal yapısı tahrip etmeden ağaçların içindeki kusurları tespit etmek amacıyla yüksek çözünürlüklü görüntüler elde etmek için kullanılmaktadır. Bu yöntemler, ağaçların sağlamlığını ve kalitesini belirlemek için çok önemlidir. Bu amaçla geliştirilen farklı teknolojiler farklı yöntemler önerilerek geliştirilmiştir. Manyetik rezonans görüntüleme (MRI), ultrasonografi ve termografi gibi non-invaziv görüntüleme teknikleri de iç kusurları tespit etmek için kullanılabilir. Bu teknikler, farklı fiziksel prensiplere dayanarak ağaçların iç yapısını görüntüleyebilir ve olası kusurları belirleyebilir. Örneğin, MRI, ağacın iç yapısını manyetik alanlar kullanarak detaylı bir şekilde görüntüleyebilirken, ultrasonografi ses dalgalarını kullanarak iç kusurları tespit edebilir. Termografi ise ağaç yüzeyinin sıcaklık dağılımını analiz ederek iç kusurları belirleyebilir. Bu çeşitlilik, farklı koşullarda ve farklı kusur tiplerinde etkili bir tespit sağlar, böylece ağaçların sağlamlığı ve kalitesi daha kapsamlı bir şekilde değerlendirilebilir.

Böylece, non-invaziv tekniklerin kullanılması, ahşabın yapısını bozmadan iç kusurları belirleme imkanı sunar. Özellikle stres dalgası tomografisi gibi teknikler, ağaçların içindeki kusurları tespit etmek için sıklıkla kullanılmıştır.

Makine öğrenmesi algoritmaları, bu non-invaziv tekniklerle elde edilen anlamlı veri setlerinin analiz edilmesinde ve iç kusurların doğru bir şekilde tespit edilmesi ve sınıflandırılmasında kritik bir araçtır. Bu algoritmalar, verilerdeki örüntüleri tanımlayabilir, karmaşık ilişkileri belirleyebilir ve sonuçları anlamlandırabilir. Bu sayede, ahşap ürünlerin kalitesinin artırılmasına ve orman kaynaklarının sürdürülebilir bir şekilde yönetilmesine katkı sağlanmaktadır.

Bu tez çalışması, ağaçlardaki iç kusurları tespit etmek amacıyla geliştirilmiş olan bir ışın segmentasyonu yöntemi ve makine öğrenmesine dayalı stres dalgası tomografisi üretebilen bir algoritma tasarımını detaylı bir şekilde ele almaktadır. Bu tasarım, modern teknolojinin avantajlarından yararlanarak, ağaçların iç kusurlarını belirleme sürecini daha etkin ve doğru hale getirmeyi hedeflemiştir.

Algoritmanın temelini oluşturan ışın segmentasyonu, ağaçlara monte edilen sensörler tarafından toplanan stres dalgaları verilerini analiz etmektedir. Bu veriler, ağacın iç yapısında meydana gelen değişiklikleri tespit etmek ve olası kusurları belirlemek için kullanılmıştır. Sensörlerden gelen veriler, ışın segmentasyonu algoritması tarafından işlenmiş ve ağaç içinde farklı bölgelerin belirlenmesine olanak tanımıştır. Bu bölgeler, potansiyel kusurların bulunduğu alanları işaretleyerek daha sonra detaylı bir inceleme için belirlenmiştir.

Makine öğrenmesine dayalı stres dalgası tomografisi ise, belirlenen kusurlu bölgelerde daha derinlemesine bir analiz yapmak için kullanılmıştır. Bu sayede, belirlenen kusurların türü, büyüklüğü ve dağılımı hakkında daha ayrıntılı bilgi elde edilmiştir.

İlk aşama olan ışın haritası oluşturulması ve segmentasyonu, bir sonraki adımda kullanılacak olan veriyi belirlediği için yüksek önem taşımaktadır. Ağaç gövdelerine monte edilen sensörlerin birbirine gönderdiği stres dalgalarının düz bir yol izlediği kabul edilir. Bu ışınlar her sensör bir köşeye denk gelecek şekilde oluşturulan bir poligonun köşegenlerini oluşturmaktadır. Oluşan poligon ise veri toplanan ağacın yatay kesitini göstermektedir. Stres dalgalarının oluşturduğu bu şekle “ışın haritası” ismi verilmiştir. Işın haritasındaki her bir ışın, çıktığı sensörden ulaştığı sensöre ulaşma süresine göre renklendirilmiştir Renklendirilmiş ışın haritasını daha anlamlı hale getirmek için komşuluğa dayalı bir ışın bölütleme yöntemi önerilmiştir. Bu adım, ağaç içindeki farklı yoğunluk ve yapısal özelliklerin stres dalgalarını farklı hızlarda ilettiği gerçeğine dayanmaktadır. Bu sayede, ağaç içindeki çeşitli bölgelerin veya potansiyel kusurların yerlerini belirlemek için hassas bir harita oluşturulmuştur.

İkinci adımda ise, bu bölütlenmiş ışın haritalarından elde edilen veriler, makine öğrenmesi algoritmalarıyla işlenerek ağaç içindeki kusurların tomografik görüntüsü oluşturulmuştur. K-En Yakın Komşu (KNN) ve Gaussian Süreç Sınıflandırıcısı (GPC) gibi algoritmalar kullanılarak, elde edilen veriler analiz edilip iç kusurların tespiti ve sınıflandırılması gerçekleştirilmiştir. Bu adım, iç kusurların doğru bir şekilde tespit edilmesini ve görselleştirilmesini sağlamaktadır.

Bu tez çalışmasının temel amacı, ağaçların iç kusurlarını tahribatsız bir yöntem kullanarak yüksek doğruluk oranı ile belirleyerek ormancılık endüstrisinde verimliliği artırmak ve doğal kaynakların daha etkin bir şekilde kullanılmasını sağlamaktır.

Bu amaç doğrultusunda, bu tez çalışması, makine öğrenmesi ve non-invaziv tekniklerin entegrasyonunu kullanarak ağaçlardaki iç kusurların tespitini daha etkin ve doğru hale getirmiştir. Bu da, ormancılık endüstrisi için önemli bir adım olup, hem ekonomik hem de çevresel açıdan sürdürülebilir bir geleceğe katkı sağlayabilir. Önerilen yöntem, ahşap iç kusurlarını tahribat olmadan yüksek doğruluk oranı ile tespit etme potansiyeli taşımakta ve geleneksel yöntemlere göre daha hassas sonuçlar sunmaktadır. Bu tez çalışmasında önerilen yöntemi diğer stres dalgası kullanan yöntemlerden ayıran en büyük özellik ışın haritasının ızgaralar halinde değil noktalar halinde incelenmesidir. Bu sadece ızgara yöntemi kullanan literatürdeki diğer yöntemlere göre çok daha hassas sonuçlar üretilebilmiştir. Tez çalışması kapsamında yapılan tüm deneyler çalışmalar ve değerlendirmeler Python programlama dili kullanılarak yazılmıştır.

Deneyler sırasında İstanbul Üniversitesi-Cerrahpaşa Orman Fakültesi tarafından sağlanan FAKOPP akustik tomografi cihazı aracılığı ile dört adet gerçek ağaç verisi toplanmıştır. Daha kapsamlı bir deney gerçekleştirmek adına FAKOPP akustik tomografi cihazı ile toplanan verinin formatında dört adet de sentetik veri üreten bir algoritma geliştirilmiştir. Geliştirilen sentetik veri üretme algoritması ile birden fazla kusura sahip, farklı bölgelerde farklı tip kusurları bulunan ve literatürde incelenen çalışmalarda en başarısız biçimde tahmin edilen kusurlara sahip dört adet sentetik veri üretilmiştir. Hem gerçek hem sentetik ağaç verileri teker teker önerilen kusur tespiti algoritması ile işlenmiş tomografik görüntülere dönüştürülmüştür.

Tüm değerlendirme metrikleri için %90’ın üzerinde başarı elde edilmiştir. İlgili çalışmalarla karşılaştırıldığında sonuçların literatüre ve ticari uygulamalara göre %7 ila %22 oranında iyileştiği belirlenmiştir.
Bu sonuçlar, tez çalışmasının ağaç iç kusurlarının tespiti konusundaki etkinliğini ve önemini vurgulamaktadır. Yüksek başarı oranları, geliştirilen algoritmanın güvenilirliğini ve kullanılabilirliğini göstermektedir. Ayrıca, literatürde ve ticari uygulamalarda mevcut olan yöntemlere kıyasla önemli bir iyileşme sağlandığı ortaya çıkmıştır.

Sonuç olarak, ağaçların iç kusurlarının tahribatsız biçimde yenilikçi teknolojiler kullanarak güvenilir biçimde görüntülenmesi için komşuluğa dayanan bir ışın bölütleme tekniği ve yaygın olarak kullanılan makine öğrenmesi algoritmalarından yararlanarak tomografik harita oluşturma yöntemini öneren bu tez çalışması kapsamında önerilen yöntem bilimsel literatürdeki mevcut çalışmalarla kıyaslandığında oldukça olumlu bulunmuştur.