RGB, VNIR ve SWIR kameralar ile elde edilen buğday çekirdeği görüntülerinin farklı füzyon stratejileri uygulanarak tanınması ve sınıflandırılması
Identification and classification of wheat kernel images obtained by RGB, VNIR and SWIR cameras by implementing different fusion strategies
- Tez No: 644815
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞAHİN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
- Sayfa Sayısı: 61
Özet
Tarım endüstrisinde makine öğrenme ve derin öğrenme sistemlerinin kullanımı oldukça büyük bir artış göstermiştir. Tarımsal ürünlerin çeşitlerinin tanınması sınıflandırılması üretim kalitesini ve verimliliğini olumlu yönde etkilemektedir. Tarım ürünleri arasında buğday ülkemizde ve dünyada insanların ihtiyaçlarını karşılaması açısından gıda ve sanayi sektöründe oldukça büyük bir paya sahiptir. Türkiye aynı zamanda dünyanın önde gelen buğday ihracatçılarından biridir. Dolayısıyla üretiminin sağlanması ve devamlılığı ülkemiz ve dünya ekonomisi adına da oldukça önemlidir. Buğday tanelerinin kalitesi, genetik ya da çevresel faktörlerden etkilenmektedir. Yıllardır göz ardı edilen bu durum, büyük maddi kayıplara neden olmaktadır. Buğdayın kalite düzeyinin ve çeşitlerinin doğru belirlenmesi de üretim kalitesini de doğrudan etkilemektedir. Çeşitlerin tanınması ve çeşitlerin kimliğini belirleyebilmek için sınıflandırma yöntemlerinin hayata geçirilmesi, depolama işlemlerin doğru bir şekilde yapılmasını sağlayacaktır. Böylece işlemler daha hızlı ilerleyecek; zaman, emek ve para kaybının önüne geçilebilecektir. Dolayısıyla buğday çeşidi ne kadar hızlı ve doğru tanınırsa üretilen buğdayın kalitesi de ona göre belirlenir. Doğru sınıflandırma ve tanıma yapılabilmesi için yeni teknolojik sistemler geliştirilmektedir. Bu çalışma kapsamında üç farklı görüntüleme tekniğinden (RGB, VNIR, SWIR) elde edilmiş 8000 adet buğday görüntüsünden oluşturulan veri seti üzerinde tanıma ve sınıflandırma çalışmaları yapılmıştır. 6400 görüntü eğitim için ayrılırken 1600 görüntü test için kullanılmıştır. Tanıma doğruluğunu arttırmak adına öncelikle imge (image) füzyonu ve öznitelik (feature) füzyonu olmak üzere iki farklı füzyon yöntemi uygulanmıştır. Bu yöntemler buğday çekirdeği sınıflandırması üzerinde sırasıyla %98,19 ve %100 doğruluk oranları elde edilerek yüksek başarılar elde edilmiştir. Bunların yanı sıra yalnızca VNIR görüntüleme tekniğinden elde edilen 8000 buğday çekirdeği görüntüsünden oluşan veri seti ile VGG16 ve Shallow (sığ) olmak üzere iki farklı derin öğrenme modeli üzerinde çalışma yapılmıştır. Shallow modelinin performansı %80,13'lük bir doğruluk oranına ulaşırken, VGG16 modeli üzerinden %91,13'lük bir doğruluk sağlanmıştır. Eğitimler sonucu elde edilen sonuçlara göre derin öğrenme yöntemlerinin parametrik bağımlılara göre daha başarılı olduğu görülmüştür. Geliştirilen bu sistem etkili ve zahmetsiz tanımlama ve sınıflandırma imkânı sunarken aynı zamanda derin öğrenme teknolojisinin buğday çekirdeği türlerini yüksek performans ile ayırt edebileceğini göstermektedir. Ülke ekonomisinde büyümeye yaptığı katkının yanı sıra buğday endüstrisinde insan iş gücünü azaltarak daha fazla verimlilik ve üretkenlik sağlamak adına önemli bir adım atılmasını sağlamaktadır.
Özet (Çeviri)
The use of machine learning and deep learning systems in the agricultural industry has increased considerably. Recognition and classification of agricultural products positively affects production quality and productivity. Among the agricultural products, wheat has a large share in the food and industrial sector in terms of supplying the needs of people in our country and the world. Turkey is also one of the world's leading wheat exporters. Therefore, the continuity of production is so important for our country and the world economy. The quality of wheat grains is affected by genetic or environmental factors. This situation, which has been ignored for many years, causes huge financial losses. Correct determination of the quality level and types of wheat also directly affects the production quality. Implementation of classification methods for the identification of varieties will ensure that the storage operations are performed correctly. Thus, transactions will proceed faster; loss of time, labor and money can be prevented. Therefore, the more quickly and accurately the wheat type is, the better the quality of wheat produced. New technological systems have been developed for accurate classification and recognition. In this way, manpower is minimized, time and labor are saved. In this project, recognition and classification studies were performed on the data set composed of 8000 wheat images obtained from three different imaging techniques (RGB, VNIR, SWIR). While 6400 images were used for the training, 1600 images were used for testing. In order to increase the accuracy of recognition, two different fusion methods were performed: image fusion and feature fusion. These methods have achieved a high success rate of 99.95% on wheat seed classification. These methods have achieved high success on wheat seed classification with 98.19% and 100% accuracy rates, respectively. In addition, two different deep learning models, VGG16 and Shallow, were used by using a data set consisting of 8000 wheat kernels images obtained from VNIR imaging technique only. Performance the Shallow model achieved an accuracy of 80.13%, while the VGG16 model achieved an accuracy of 91.13%. According to the results of obtained by simulations, deep learning methods were found to be more successful than parametric dependent based ones. This developed system provides effective and effortless identification and classification, also demonstrates that deep learning technology can distinguish wheat seed species with high performance. In addition to his contribution to growth in the national economy, an important step was taken to ensure greater efficiency and productivity by reducing human labor in wheat industry.
Benzer Tezler
- Farklı dalga boylu görüntülerle buğday sınıflandırılması
Wheat classification with different wavelength images
DUYGU ZEYNEP DEMİREZ ÖRS
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EROL SEKE
- Lithologic discrimination and mapping by aster thermal infrared imagery
Aster ısıl kızılötesi görüntülerini kullanarak litolojik ayrım ve haritalama
ÜNAL OKYAY
Yüksek Lisans
İngilizce
2012
Jeoloji MühendisliğiOrta Doğu Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET LÜTFİ SÜZEN
PROF. DR. NURETDİN KAYMAKÇI
- Determining biophysical parameters of tea clonesusing the sensor gantry system
Başlık çevirisi yok
FATİH KIZILTAŞ
- Generation of precise 3D model with RGB UAV and integration to the game engine: Case study Gebze Technical University
RGB İHA ile hassas 3B model üretimi ve oyun motoruna entegrasyonu: Gebze Teknik Üniversitesi örneği
MERTCAN NAZAR
Yüksek Lisans
İngilizce
2022
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. UMUT GÜNEŞ SEFERCİK
- Does estimated depth help object detection?
Tahmini derinlik haritaları nesne tanımlamaya yardımcı olurmu?
BEDRETTİN ÇETİNKAYA
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE AKBAŞ
DOÇ. SİNAN KALKAN