Geri Dön

Plant identification using local invariants: Dense SIFT approach

Yerel değişkenlerle bitki tanıma: Yoğun SIFT yontemı

  1. Tez No: 418598
  2. Yazar: SEYFETTİN TOLGA YILDIRAN
  3. Danışmanlar: DOÇ. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
  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: 2015
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Bu tezde, bitki resimleri üzerinde Dense SIFT yönteminin farklı veri yapıları ile uygulanarak bitki türünün tanınmasını araştırdık. Çiçeklenmiş bitkileri üç farklı yöntem ile tanımlamak üzerine odaklandık. Birinci yaklaşım Dense SIFT yönteminin işlem görmemiş resimlere doğrudan uygulanması ile tanıma, ikinci yaklaşım renk özniteliklerine dayalı kümelere ayırdığımız veri parçalarında Dense SIFT uygulayarak tanıma, üçüncü yaklaşımda ise ilgi bölgesi yöntemi ile odak noktaları seçme işlemini ikinci yaklaşımın öncesinde uygulayarak tanımayı denedik. Bu çalışmaların sonucunda Dense SIFT yöntemi ile bitki tanınmasında doygunluk ağılıklı renk özü histogramı ve ilgi bölgesi yöntemleri kullanılarak iyileştirmenin mümkün olduğunu gözlemledik. Tasarlanan sistemi kullanarak, LifecLEF 2014 veritabanı çiçek alt kümesinde 0.60 doğru tanıma başarısı elde ettik.

Özet (Çeviri)

In this thesis, we investigate the use of Dense SIFT approach in automatic identification of plants from photographs. We concentrate on flowering plants and evaluate three alternative approaches. In the first one, we classify the plant directly using the dense SIFT method, using appropriate parameters that are found using experimental validation techniques. In the second approach, we first identify the dominant colour in the photograph and use a separate classifier in each of the colour cluster. The second approach is intended to reduce the problem complexity and the number of classes handled by each classifier. In this approach, the classifier for red flowers will not know about a plant that does not flower in red; furthermore a plant that is only observed with red flowers will only be handled by that classifier. In a third approach, we precede the second approach by adding a Region of Interest detector, in order to extract the flower color more reliably. We find that enhancement of Dense SIFT features based identification is possible with saturation-weighted hue histogram based color clustering and region of interest detector. Using the proposed system, we obtain a $0.60$ accuracy on the flower subset in the LifecLEF 2014 database.

Benzer Tezler

  1. Utilization of 3D data in face recognition

    Başlık çevirisi yok

    NESLİ ERDOĞMUŞ

  2. Yulaf genotiplerinde bazı tarımsal karakterlerin ve allelik varyasyonlarının basit dizi tekrar (SSR) markörleriyle belirlenmesi

    Identification of some agricultural characters and allelic variations in oat genotypes using simple sequence repeat markers (SSR)

    SONGÜL ÇİFTÇİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    ZiraatKahramanmaraş Sütçü İmam Üniversitesi

    Tarla Bitkileri Ana Bilim Dalı

    PROF. DR. LEYLA İDİKUT

  3. Yapay zekâ tabanlı bir mobil uygulama yazılımının geliştirilmesi; Öğretmen adaylarının sanal bitki koleksiyonları oluşturma projesinin bitki körlüğü ile bilgi düzeyleri açısından değerlendirilmesi

    Development of an artificial intelligence-based mobile application; Evaluation of prospective science teachers virtual plant collections project in terms of plant blindness and knowledge levels

    BERKAY CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimMuğla Sıtkı Koçman Üniversitesi

    Matematik ve Fen Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MELEK ALTIPARMAK KARAKUŞ

  4. Integrating path planning and image processing with UAVs for disease detection and yield estimation in indoor agriculture

    Kapalı alan tarımda hastalık tespiti ve verim tahmini için rota planlama ve görüntü işlemenin İHA'larla entegre edilmesi

    ONAT ERDOĞMUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERDİNÇ ALTUĞ

  5. Çok makinalı güç sistemlerinde parametre adaptif kontrol yönteminin incelenmesi

    Investigation of parameter adaptive control method for MMPS

    AYŞEN DEMİRÖREN