A hybrid deep learning and metaheuristic approach for soybean seed classification
Soya fasulyesi tohumu sınıflandırması için hibrit derin öğrenme ve meta-sezgisel yaklaşım
- Tez No: 1025436
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, soya fasulyesi tohumlarının görüntülerinden yüksek doğrulukta sınıflandırma sağlamak amacıyla derin öğrenme ve meta-sezgisel optimizasyon tekniklerini bir araya getiren hibrit bir yaklaşım önerilmiştir. Çalışmada, ilk olarak AlexNet, DarkNet53, MobileNetV2 ve ResNet18 olmak üzere dört farklı Convolutional Neural Network (CNN) mimarisi kullanılarak görüntülerden derin özellikler çıkarılmıştır. Elde edilen bu özellikler ilk aşamada doğrudan Support Vector Machine (SVM), K-Nearest Neighbors (KNN) ve Artificial Neural Network (ANN) sınıflandırıcıları ile değerlendirilmiştir. Çalışmanın ikinci aşamasında, çıkarılan özelliklerden daha belirgin özellikler elde etmek için, güçlü keşif-sömürü dengesi ve karmaşık yüksek boyutlu optimizasyon problemlerini çözmedeki yüksek yeteneği nedeniyle, yakın zamanda önerilen Secretary Bird Optimization Algorithm (SBOA) tercih edilmiştir. SBOA ile gerçekleştirilen özellik seçimi sonucunda gereksiz ve zayıf özellikler elimine edilerek, sınıflandırma performansı arttırılmıştır. Bu optimize edilmiş özellikler, aynı sınıflandırıcılar kullanılarak yeniden değerlendirilmiş ve performans artışı analiz edilmiştir. Elde edilen deneysel sonuçlar, SBOA tabanlı özellik seçiminin tüm CNN modelleri ve sınıflandırıcılar için sınıflandırma performansını önemli ölçüde artırdığını göstermektedir. Özellikle SVM sınıflandırıcısının, optimize edilmiş özellikler ile birlikte en yüksek ve en kararlı performansı sağladığı belirlenmiştir. Elde edilen sonuçlar, CNN tabanlı derin özelliklerin yakın zamanda geliştirilen SBOA ile entegrasyonunun, soya fasulyesi tohumu sınıflandırması için etkili ve sağlam bir özellik seçimi çerçevesi sağladığını ortaya koymaktadır.
Özet (Çeviri)
This thesis proposes a hybrid approach combining deep learning and meta-heuristic optimization techniques to achieve high-accuracy classification from images of soybean seeds. Initially, deep features were extracted from images using four different Convolutional Neural Network (CNN) architectures: AlexNet, DarkNet53, MobileNetV2, and ResNet18. These extracted features were first directly evaluated using Support Vector Machine (SVM), K-Nearest Neighbors (KNN), and Artificial Neural Network (ANN) classifiers. In the second stage, the recently proposed Secretary Bird Optimization Algorithm (SBOA) was preferred due to its strong exploration–exploitation balance and high capability in solving complex high-dimensional optimization problems to obtain more distinctive features from the extracted features. Feature selection performed with SBOA eliminated unnecessary and weak features, improving classification performance. These optimized features were then re-evaluated using the same classifiers, and the performance improvement was analyzed. The experimental results obtained show that SBOA-based feature selection significantly enhances the classification performance for all CNN models and classifiers. It has been determined that the SVM classifier, in particular, provides the highest and most stable performance when combined with optimized features. The obtained results demonstrate that the integration of CNN-based deep features with the recently developed SBOA provides an effective and robust feature selection framework for soybean seed classification.
Benzer Tezler
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Sahte haber tespiti için derin öğrenme ve metasezgisel yöntemlere dayalı bir yaklaşım
An approach based on the deep learning and metaheuristic methods for fake news detection
SELİN GÜNGÖR
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN BAYINDIR
- Görüntü sınıflandırması için evrişimsel sinir ağı-metasezgisel algoritmalar tabanlı yeni bir hibrit yaklaşım geliştirilmesi
Development of a novel hybrid approach based on convolutional neural networks-metaheuristic algorithms for image classification
SEDA VAROL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SONER KIZILOLUK
- Zaman serileri tahmininde melez bir yaklaşım
A hybrid approach to time series forecasting
NURBANU IŞIK DELİBALTA
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHANETTİN CAN
DR. ÖĞR. ÜYESİ GÖNÜL ULUDAĞ
- Tiroit ince iğne aspirasyon biyopsilerinde papiller tiroit karsinomların metasezgisel temelli evrişimsel sinir ağı ile tespit edilmesi
Detection of papillary thyroid carcinoma nuclei in thyroid fine needle aspiration biopsies by deep learning and machine learning methods
ZEYNEP İLKILIÇ AYTAÇ
Doktora
Türkçe
2024
Mühendislik BilimleriFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. BEŞİR DANDIL
DR. ÖĞR. ÜYESİ İSMAİL İŞERİ