Kekeç, BilgehanKarakaya, Emre2025-01-102025-01-102024https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=LY6e5xGA7WWUpEdrBmEPLryAgkmcgr6tqzIhVEyGUpgW-L8H-at7hmrHpym89WWyhttps://hdl.handle.net/20.500.13091/9826Kayaçlar, karmaşık heterojen kütlelerdir. Bir kayanın mekanik özellikleri onun mineralojisine, dokusuna, yapısına ve bozunmasına (weathering) bağlı olarak değişim göstermektedir. Bu çalışmanın ilk aşamasında, farklı bölgelerden elde edilmiş olan 20 adet, farklı oluşumlara sahip kayaç (magmatik, metamorfik ve sedimanter) örneklerininfiziksel-mekanik (Schmidt, gözeneklilik-yoğunluk, Brazilian dayanımı, tek eksenli basma dayanımı, nokta yükleme dayanımı) ve aşındırıcılık (Los Angeles aşınma dayanımı, mikro deval aşınma dayanımı ve böhme aşınma dayanımı) özellikleri belirlenmiştir. Kayaçların XRF analizleri yapılmıştır ve bu kayaçlardan ince kesitler alınarak ince kesit görüntüleri polarizan mikroskop ile fotoğraflanmış ve analiz edilmiştir. XRF ve ince kesit görüntüleri kullanılarak mineralojik ve petrografik tanımlama yapılmıştır. Tez çalışmasının ikinci aşamasında ise geleneksel yöntemlerle ince kesitler üzerinden göz ile tanelerin incelenmesi ve gerekli değerlerin tahmin edilmesi ile hesaplanan doku katsayısı değerininin, segmentasyon ve derin öğrenme tabanlı görüntü işleme tekniği kullanarak çok daha hızlı ve daha sağlıklı bir şekilde hesaplayan özgün bir yazılım geliştirilerek hesaplanması sağlanmıştır. Doku katsayısının görüntü işleme metodolojileriyle hesaplanabilmesi için kütüphanelerin sürekli güncellenmesi, görüntü işleme metotlarının çokluğu ve işlevselliği ve uygulanabilirlik kriteri değerlendirildiğinde Python yazılım dilinin diğer yazılım dillerinden daha kullanışlı olduğu öngörülmüştür. Bu nedenle 'doku katsayısını' görüntü işleme yöntemiyle hesaplanmasında Python yazılım dili kullanılmıştır. Dokuyu oluşturan mineral taneciklerin her birinin segmentasyonunda ise Segment Anything algoritması kullanılmıştır. Geliştirilen yazılım sayesinde çalışmada yer alan kayaçların doku katsayı (DK) değerleri belirlenmiştir.Rocks are complex heterogeneous masses. The mechanical properties of a rock vary depending on its mineralogy, texture, structure and weathering. In the first stage of this study, 20 rock samples of different formations (magmatic, metamorphic and sedimentary) obtained from different regions were examined for physical-mechanical (Schmidt, porosity-density, Brazilian strength, uniaxial compressive strength, point loading strength) and corrosivity (Los Angeles abrasion resistance, micro deval abrasion resistance and Böhme abrasion resistance) properties were determined. XRF analyzes of the rocks were performed and thin sections were taken from these rocks, thin section images were photographed and analyzed with a polarizing microscope. Mineralogical and petrographic identification was made using XRF and thin section images. In the second stage of the thesis study, the texture coefficient value, which was calculated by visually examining the grains through thin sections with traditional methods and estimating the necessary values, was calculated by developing an original software that calculates it much faster and more accurately using segmentation and deep learning-based image processing techniques. Considering the constant updating of libraries, the multiplicity and functionality of image processing methods, and the applicability criteria in order to calculate the texture coefficient with image processing methodologies, it is predicted that the Python programming language is more useful than other programming languages. For this reason, Python software language was used to calculate the 'texture coefficient' using the image processing method. Segment Anything algorithm was used in the segmentation of each mineral grain that forms the texture. Thanks to the developed software, texture coefficient (DK) values of the rocks included in the study were determined.trMaden Mühendisliği ve MadencilikMining Engineering and MiningDoctoral Thesis