Görüntü işleme teknikleri kullanılarak yapay zeka temelli mandalina ağacı rekolte tahmini
Artificial intelligence-based prediction of mandarin tree yield using image processing techniques
- Tez No: 1023984
- Danışmanlar: PROF. DR. AHMET KAYABAŞI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Narenciye bahçelerinde insan gücüne dayalı geleneksel rekolte tahmin yöntemlerinin hem üreticiler hem de alıcılar için yüksek hata payı ve zaman kaybı gibi dezavantajları vardır. Rekolte tahmini, tarım sektöründe önemli bir konu olup, doğru tahminler çiftçilerin ve tarım sektörü ortaklarının planlama süreçlerinde daha bilinçli kararlar almasına yardımcı olmaktadır. Bu çalışmada, meyve sayısının doğru şekilde belirlenmesi ve rekolte tahmininin başarısı için, Evrişimli Sinir Ağı (ESA) mimarisi tabanlı YOLOv8 algoritması ile desteklenen rekolte tahmin modeli geliştirilmiştir. Mandalina bahçelerinden alınan ağaç fotoğrafları ile oluşturulan veri seti model eğitimi için kullanılmıştır. Referans alınan mandalina ağacının üç farklı yönden fotoğrafları alınarak analiz için geliştirilen sistemde kullanılmıştır. Tespit edilen meyve sayıları, sahadan alınan mandalina örneklerinin ağırlık ortalaması (85,36 gram) ile çarpılarak doğrudan kilogram (kg) cinsinden rekolte verisine dönüştürülmüş ve son kullanıcılar için PyQt5 tabanlı bir arayüze entegre edilmiştir. Saha testleri sonucunda, referans ağaç üzerindeki 313 adet gerçek mandalinanın 267 adedi örtüşme ve ışık değişimlerine rağmen % 85,3'lük başarı oranıyla tespit edilmiştir. Gerçekte 24,50 kg olan ağaç rekoltesi, sistem tarafından 22,80 kg olarak hesaplanmıştır. Sadece % 7'lik bir hata payıyla elde edilen % 93,0'lük rekolte tahmin doğruluğu, geliştirilen derin öğrenme tabanlı mimarinin, tarım işletmelerinde hasat öncesi planlama süreçleri için oldukça önemlidir.
Özet (Çeviri)
Traditional manual yield estimation methods in citrus orchards present significant disadvantages for both producers and buyers, such as high margins of error and time loss. Yield estimation is a pivotal issue in the agricultural sector, and accurate predictions enable farmers and industry stakeholders to make more informed decisions during their planning processes. In this study, to accurately determine the fruit count and ensure the success of yield prediction, a yield estimation model powered by the YOLOv8 algorithm, based on a Convolutional Neural Network (CNN) architecture, was developed. A dataset compiled from tree photographs acquired from mandarin orchards was utilized for model training. Photographs of a reference mandarin tree, captured from three different angles, were processed through the developed system for analysis. The detected fruit counts were multiplied by the average weight of field-sampled mandarins (85.36 grams) to be directly converted into yield data in kilograms (kg), and subsequently integrated into a PyQt5-based graphical user interface for end-users. Field test results demonstrated that out of 313 actual mandarins on the reference tree, 267 were successfully detected with an accuracy rate of 85.3%, despite occlusion and illumination variations. The actual tree yield of 24.50 kg was calculated by the system as 22.80 kg. The achieved 93.0% yield estimation accuracy, with a mere 7% margin of error, underscores that the developed deep learning-based architecture is highly significant for pre-harvest planning processes in agricultural enterprises.
Benzer Tezler
- Yapay zeka tabanlı görüntü işleme teknikleri ile iş güvenliğinde kullanılan kişisel ekipmanların tespit edilmesi
Detection of personal equipment used in occupational safety with artificial intelligence based image processing techniques
MEHMET ERTUĞRUL EVRENSEL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzincan Binali Yıldırım ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL AKGÜL
- Yapay zeka ve görüntü işleme teknikleriyle otomatik zararlı hasarı tespiti ve derecelendirilmesi
Automatic detection and grading of pest damage using artificial intelligence and image processing techniques
HAVVA ESRA BAKBAK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDOĞAN SAVRAN
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Üniversite kampüsündeki araç plaka tanıma ve takibi için matematik ve algoritmik ilkeler
University campus vehicles number plate recognition and following mathematical and algorithmic principles
AHMED AMİR KHAN
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHİT GÜNEŞ
- YOLO tabanlı derin öğrenme mimarileri kullanılarak TV paneli anomali tespiti ve analizi
TV panel anomaly detection and analysis using YOLO-based deep learning architectures
GÜLSÜM EKMEN
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PERİ GÜNEŞ