Geri Dön

Görüntü işleme yöntemleri ve yapay sinir ağları kullanılarak yaprak tanıma

Leaf recognition by using image processing methods and artificial neural networks

  1. Tez No: 315701
  2. Yazar: CANER ULUTÜRK
  3. Danışmanlar: DOÇ. DR. AYBARS UĞUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

Bitki tanıma sistemleri, otomatik bitki taksonomisinde kullanılabildikleri gibi botanik, tıp, endüstri ve gıda sektöründeki bitkilerin anlaşılabilmesini ve yönetilebilmesini de sağlamaktadırlar. Ağaçlar ve bitkiler, yaprak tanıma yöntemleri ile de sınıflandırılabilmektedir.Bu tezde, tanıma işlemi için, yaprakların ikiye bölünmesini temel alan bir yöntem ortaya konulmuştur. Önişleme adımları yapraklara uygulandıktan sonra, literatürde kullanılan düşük maliyetli 8 adet morfolojik öznitelik çıkarılmıştır. Buna ek olarak, yarım yaprak görüntüleri kullanılarak 4 adet yeni öznitelik üretilmiştir.Çoğu yaprak türünün morfolojik yapıları birbirlerine çok benzemektedir. Bu yaprak türleri için, yaprakların bir yarısının yapısal öznitelikleri birbirlerine benzerken, diğer yarıları farklılık göstermektedir. Bu bilgiden yararlanılarak, yaprak, ana eksenine göre doğrultulmuş ve ağırlık merkezi üzerinden dikey olarak kesilerek iki parça elde edilmiştir. Her bir parça için alan, kapsam ve dışmerkezlilik öznitelikleri çıkarılmış ve birbirlerine olan oranları alınarak bu çalışmada ortaya konulan yeni öznitelikler oluşturulmuştur.Bu 12 özniteliğin hepsi, olasılıksal yapay sinir ağı (PNN - Probabilistic Neural Network) girdisi olarak kullanılmıştır. PNN, Flavia veri kümesinden alınan 32 farklı bitki türüne ait 1120 yaprak görüntüsü ile eğitilmiştir. Bitki türlerine ait 160 yaprak görüntüsü test için kullanılmıştır. Yapılan deneyler ve karşılaştırmalar, yarım yaprak özniteliklerini temel alan yöntemin, %94.375 tanıma başarısı ile literatürdeki en iyi sonuçlardan birisine ulaştığını göstermektedir.

Özet (Çeviri)

Leaf recognition systems can be used for automatic plant taxonomy and provide understanding and managing of plants in botany, medicine, industry and food sector. Trees and flowery plants can also be classified by using leaf recognition.This thesis proposes a method based on bisection of leaves for recognition. After preprocessing techniques are applied for leaves, 8 low-cost morphological features are extracted which are used in the literature. In addition to this, 4 new features are produced by using half leaf images.Most of leaf species have morphological structure that resembles each other a lot. For these leaves, while structural features of one half resemble, features of other half differ. Taking advantage of this knowledge, leaf is oriented according to its major axis and two parts are acquired by slicing leaf on its centroid vertically. Area, extent and eccentricity features are extracted for each part and their proportions to each other are taken as new features in this study.These all 12 features are used as an input to probabilistic neural network (PNN). PNN is trained with 1120 leaf images from 32 different plant species which are taken from Flavia dataset. 160 leaf images from the plant species are used for testing. Our experiments and comparisons show that method based on half leaf features has reached one of the best results in the literature for PNN with 94.375% recognition accuracy.

Benzer Tezler

  1. Car damage analysis for insurance market using convolutional neural networks

    Sigorta sektörü için evrişimsel sinir ağları kullanarak araç hasarı analizi

    CİHAT TOLGA ARTAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA KAYA

  2. Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  3. Görüntü işleme tabanlı bitki türleri ve hastalıkları tanıma

    Image processing based plant species and diseases recognition

    MUAMMER TÜRKOĞLU

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DAVUT HANBAY

  4. Yapay sinir ağı destekli bir endüstriyel görüntü işleme uygulaması

    An industrial image processing application with artificial neural network

    GÖKTUĞ ÜLKÜER

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. SALMAN KURTULAN

  5. Transfer learning based super resolution of aerial images and the effects of the super resolution on object detection

    Öğrenme transferi temelli hava aracı görüntülerinin süper çözünürlüğü ve süper çözünürlüğün nesne tespitine etkileri

    ASLAN AHMET HAYKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKAY ÖKSÜZ