Geri Dön

A novel approach for identification of jimsonweed (Datura stramonium l.) in spinach crops using deep learning models

Yabancı dildeki adi derin öğrenme modellerini kullanarak ıspanak kültür bitkisinde şeytan elması (Datura stramonium l.) tanımlanmasına yönelik yeni bir yaklaşım

PDF İndir

  1. Tez No: 1004233
  2. Yazar: USMAN MUHAMMAD UMAR
  3. Danışmanlar: ASSOC. PROF. ZEYNEP ÜNAL, ASSOC. PROF. KHAVAR JABRAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Ziraat, Science and Technology, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: İngilizce
  9. Üniversite: Niğde Ömer Halisdemir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bitkisel Üretim ve Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Derin öğrenme tekniklerinin kullanımı, verimli yabancı ot tanımlamasını mümkün kılarak tarımsal işlemleri dönüştürmüştür. D. stramonium yaprakları yeşil ıspanağa benzemektedir. Sıklıkla yanlışlıkla ıspanakla karıştırılan D. stramonium tüketimi, çeşitli insan zehirlenmesi vakalarına yol açmıştır. Bu çalışma, ıspanak bitkilerinde D. stramonium'un hassas bir şekilde tanımlanması için bir derin öğrenme modeli geliştirmiştir. Deney, üç tekrarlı tamamen rastgele faktöriyel tasarım olarak kurulmuştur; uygulamalar iki ıspanak çeşidi (Matador ve Bloomsdale) ve D. stramonium'u içermiştir. Toplam 3257 görüntü örneği, bir RGB (Kırmızı, Yeşil ve Mavi) kamera kullanılarak yakalanmış ve %70 eğitim, %15 doğrulama ve %15 test olarak ayrılmıştır. Datura tanımlamasında en yüksek hassasiyeti elde etmek için, seçilen dört model eğitilmiş ve değerlendirilmiş, toplu işlem boyutu, epoch sayısı ve öğrenme oranı gibi hiperparametreler optimize edilmiştir. Bu modeller şunlardı: VGG19, MobileNetV3, ResNet 101 ve DenseNet121. VGG19 %98,7 doğruluk oranına ulaşırken, MobileNetV3, ResNet101 ve DenseNet121 doğruluk, hassasiyet, geri çağırma ve F1 puanında %100'e ulaştı. Bulgulara göre, en iyi modeller neredeyse mükemmel doğruluk ve güvenilirlik elde etti. Dört modelden üçü %100 doğruluk elde edecek şekilde optimize edildi, VGG19 modelinde ise optimizasyondan sonra %98 doğruluk elde edildi. Datura tanımlaması için en iyi model, %100 doğruluk ve daha kısa eğitim süresiyle MobileNetV3 oldu.

Özet (Çeviri)

The use of deep learning techniques has transformed agricultural operations by enabling efficient weed identification. The leaves of D. stramonium resemble green spinach. The consumption of D. stramonium, which is often mixed with spinach by accident, has resulted in several incidents of human poisonings. This study developed a deep learning model for the precise identification of D. stramonium in spinach crops. The experiment was set up as a completely randomized factorial design with three replications; the treatments included two varieties of spinach (Matador and Bloomsdale) and D. stramonium. A total of 3,257 image samples were captured using an RGB (Red, Green, and Blue) camera and were split into 70% training, 15% validation, and 15% testing. To achieve the highest precision in datura identification, four selected models were trained and evaluated, and hyperparameters such as batch size, epochs, and learning rate were optimized. These models were: VGG19, MobileNetV3, ResNet 101, and DenseNet121. The VGG19 achieved an accuracy of 98.7%, while MobileNetV3, RestNet101, and DenseNet121 achieved 100% in accuracy, precision, recall, and F1-score. Based on the findings, the top models obtained near-perfect accuracy and dependability. Three out of the four models were optimized to achieve 100% accuracy, VGG19 after several fine-tunings, achieved 98% accuracy. The best model was MobileNetV3 with 100% accuracy and a shorter training duration.

Benzer Tezler

  1. Tez No

    618984

    A novel approach for identification of thermal and optical characteristics for the active layer of high power photonic devices

    Yüksek güçlü fotonik sistemlerin aktif katmanının termal ve optik özelliklerinin karakterizasyonu için yeni bir yaklaşım

    AHMET METE MUSLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    EnerjiÖzyeğin Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ARIK

  2. Tez No

    954809

    A novel approach for robust identification and characterization of mechanical shock loads for structural durability assessment

    Yapısal dayanım değerlendirmesi için mekanik şok yüklerinin tespiti ve işlenmesine yönelik yeni bir yaklaşım

    DOĞUKAN ELİBOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. MESUT KIRCA

  3. Tez No

    594254

    Development of a novel approach for cell surface protein analysis

    Hücre yüzeyi proteinlerinin analizi için yeni bir metod geliştirilmesi

    MEHMET AKDAĞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    BiyokimyaKoç Üniversitesi

    Moleküler Biyokimya ve Genetik Ana Bilim Dalı

    DOÇ. DR. NURHAN ÖZLÜ

  4. Tez No

    652689

    A computational approach for prioritization of patient-specific cancer drivers

    Başlık çevirisi yok

    AHMED AMINE TALEB BAHMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    PROF. DR. CESİM ERTEN

    DOÇ. DR. HİLAL KAZAN

  5. Tez No

    916989

    Risk assessment for critical infrastructure: A novel approach using OSINT framework

    Kritik altyapı için risk değerlendirmesi: OSINT çerçevesi kullanılan yeni bir yaklaşım

    MUHAMMAD HASBAN PERVEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Yönetim Bilişim SistemleriKadir Has Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. HASAN DAĞ

Geri Dön