Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuçlar, bitkisel tanen kimyasının deri yüzeyinde ölçülebilir görsel izler bırakabildiğini; ancak yalnız RGB yamalarıyla bağımsız numunelerde kesin 26 sınıflı formülasyon tanımanın sınırlı kaldığını göstermektedir.
📌 3 Maddede Bu Makale
Özet
Bu çalışma, bitkisel tabaklanmış koyun derilerinde tanen formülasyonlarının standartlaştırılmış RGB yüzey görüntüleri ve evrişimli sinir ağları kullanılarak ayırt edilme potansiyelini incelemektedir. Deneysel tasarımda iki tanen ailesinden toplam 26 formülasyon kullanılmıştır: mimoza, kebrako ve çam esaslı kondanse formülasyonlar ile valeks, kestane ve mazı esaslı hidrolize formülasyonlar. Canon EOS 760D ile alınan görüntüler ön plan ayrımı sonrasında 15.600 adet 200 × 200 px deri yüzey yamasına dönüştürülmüştür. ImageNet ağırlıklarıyla başlatılan ResNet-18 ve EfficientNet-B0 modelleri 26 sınıflı sınıflandırma için eğitilmiş; K numunesinden gelen yamalar model geliştirme, bağımsız T numunesinden gelen yamalar ise nihai test amacıyla kullanılmıştır. ResNet-18 K-doğrulama aşamasında 0,960 makro-F1 değerine, bağımsız T-test setinde ise %25,1 doğruluk ve 0,225 makro-F1 değerine ulaşmıştır. EfficientNet-B0 için bu değerler sırasıyla 0,927, %27,2 ve 0,240 olarak hesaplanmıştır. Performans değerleri 26 sınıflı rastgele tahmin düzeyinin üzerinde olmakla birlikte, K-doğrulama ve T-test sonuçları arasındaki belirgin fark bağımsız tekerrür kaynaklı alan değişimini ortaya koymaktadır. Sonuçlar, bitkisel tanen kimyasının deri yüzeyinde ölçülebilir görsel izler bırakabildiğini; ancak yalnız RGB yamalarıyla bağımsız numunelerde kesin 26 sınıflı formülasyon tanımanın sınırlı kaldığını göstermektedir.
Abstract
This study investigates the potential of discriminating tannin formulations in vegetable-tanned sheep leather using standardized RGB surface images and convolutional neural networks. A total of 26 formulations from two tannin families were examined: condensed formulations based on mimosa, quebracho, and pine, and hydrolyzable formulations based on valonea, chestnut, and gallnut. Images acquired with a Canon EOS 760D were segmented to remove the background and converted into 15,600 leather surface patches of 200 × 200 px. ResNet-18 and EfficientNet-B0 models initialized with ImageNet weights were trained for 26-class classification. Patches from the K sample were used for model development, whereas patches from the independent T sample were reserved exclusively for final testing. ResNet-18 achieved a validation macro-F1 of 0.960 on K samples and 25.1% accuracy with a macro-F1 of 0.225 on the independent T-test set. EfficientNet-B0 achieved a validation macro-F1 of 0.927 and 27.2% accuracy, with a macro-F1 of 0.240 on the independent test set. Although both models performed above random expectation for a balanced 26-class task, the marked decrease from K-validation to T-test performance indicated a pronounced replicate-domain shift. The findings demonstrate that vegetable tannin chemistry can leave measurable visual traces on the leather surface; however, exact 26-class formulation recognition using only RGB patches remains limited under independent sample replication.