Buğday unundaki inorganik maddeler kül olarak tanımlanmaktadır. Türk Gıda Kodeksi, buğday unundaki kül miktarını önemli kalite kriterlerinden birisi olarak kabul etmekte, bu nedenle buğday ununu içerdiği kül miktarına göre Tip 550, Tip 650, Tip 850 ve tam un tiplerine ayırmaktadır. Buğday unundaki kül oranı ülkemizde genellikle ICC ve AACC tarafından belirlenen standart yakma yöntemleri ile tespit edilmektedir. Her iki yöntemle kül miktarı tayini en az 4 saat zaman almakta ve elde edilen kül miktarı değerleri kişiden kişiye veya laboratuardan laboratuara değişkenlik arz edebilmektedir. Bu tez çalışmasında tasarlanan sistemle görüntü işleme ve yapay zekâ teknikleri kullanılarak buğday unundaki kül miktarı tahmin edilmiştir. Çalışmada öncelikle, kül oranları 0,472?1,681 arasında değişen buğday unu numunelerine ait sayısal görüntüler elde edilmiştir. Sayısal görüntülerden, dört farklı ikili eşikleme yöntemi (Otsu, Tsai, Kapur, Ramesh), iki farklı kümeleme algoritması (Fuzzy Cmeans, Kmeans) ile bulanık mantık tabanlı yeni bir kümeleme yöntemi kullanılarak una ait tanımlayıcı nitelikler elde edilmiştir. Elde edilen nitelikler kullanılarak, Çok Katmanlı Perseptron (ÇKP) Yapay Sinir Ağı modeli ile undaki kül miktarı tahmin edilmiştir. Tasarlanan sistem ile tahmin edilen kül değerlerinin deneysel yöntemle bulunan kül değerlerine göre ortalama hata ve regresyon katsayıları hesaplanarak tasarlanan sistemin kullanılabilirliği irdelenmiştir. Tasarlanan sistemin, kısa zaman aralığı içerisinde kabul edilebilir doğrulukta sonuçlar verdiği belirlenmiştir.
Inorganic substances in wheat flour are defined as ash. Turkish Food Codex, denotes ash amount as one of the important quality criterions for wheat flour, and classify wheat flour in four types Type 550, Type 650, Type 850 and whole flour according to their ash content. In Turkey, ash amount in wheat flour is mostly determined by using ICC and AACC standards. Both methods take at least 4 hours and obtained results are subject to a certain amount of variation resulting from changes in person and laboratory. In this thesis, ash content in wheat flour is predicted with designed system which uses image processing and artificial intelligent techniques. Firstly, digital images of wheat flour samples with ash content changing between 0,472 and 1,681 are acquired. Descriptive features of the wheat flour samples are extracted from digital images by using 4 different threshold methods (Otsu, Tsai, Kapur, Ramesh), 2 different clustering algorithms (Fuzzycm, Kmeans) and a new clustering algorithm bases on fuzzy logic. Finally, Multilayered Perceptron (MLP) model is used for estimating the ash content of the wheat flour samples by using obtained features. Applicability of the designed system is evaluated by comparing the regression coefficients and average errors of the results obtained by the designed system and results obtained by analytical methods. Ash content results obtained in a short time by using designed system are found to be within acceptable accuracy tolerances.
