Plant detection in aerial images using deep neural networks for smart agricultural applications
Akıllı tarım uygulamaları için derin sinir ağları kullanılarak hava görüntülerinde bitki tespiti
- Tez No: 646942
- Danışmanlar: DOÇ. DR. NUMAN ÇELEBİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Bitki tanıma, akıllı tarım uygulamalarına katkıda bulunmak adına bilgisayar görme sistemlerini kullanan aktif bir araştırma alanıdır. Klasik nesne tanıma yöntemleri ve daha etkili olarak derin sinir ağları ile, bir resimdeki bir bitkiyi tanımak ve o bitkinin belirli bir alandaki adedini saymak, büyüme oranının gözlemlenmesi ya da belirli bir bitkinin verim miktarının tahmin edilmesi gibi bitkilendirme hakkında bilgiler sağlamak için çok önemli fonksiyonlardır. Klasik modeller segmentasyon ve özellik çıkarımı gibi görüntü-işleme teknikleri kullanırken, derin sinir ağları yalnızca parametrelerin, özel veri setlerinin belirli işlere uygun olarak eğitilmesi ile ince ayar yapma gereksinimi duyar. Bu çalışmada, klasik bilgisayar görmesi yöntemleri ile derin sinir ağları çıktılarını karşılaştırmayı ve bir dikim alanındaki bitkileri havadan görüntülerden tespit etmeyi amaçladık. İnce-ayar için DenseNet modelinden faydalanıldı ve dikim alanındaki ilgili renkleri belirlemek adına uygun bir histerez renk eşik uygulandı. Ek olarak, derin sinir ağları modeli kullanılarak nesne lokalizasyonu da uygulandı. Ayrıca, hassasiyet kıyaslaması için YOLOv3 modeli de veri setimiz ile eğitildi. 3 bitki sınıfından oluşan veri setimiz, her bitki tipi için 600 adet olmak üzere toplam 1800 resimden oluşmaktadır. Bu çalışmanın temel amacı, sürdürülebilir tarımın bilgisayar görmesi teknolojisi ile nasıl ele alındığının anlaşılmasını sağlamak ve veri setimiz çerçevesinde konu hakkında iyileştirmede bulunmaktır.
Özet (Çeviri)
Plant detection is an active research area in modern robotic applications, which use computer vision systems to contribute the smart agricultural processes. Detecting a plant within the image and counting its number in a specified area are vital functionalities to provide meaningful information about planting such as observing the growth rate or predicting the yield amount of a significant plant with the help of classical object detection algorithms and more efficiently with deep neural networks. Classical models employ image-processing techniques like segmentation and feature extraction whereas deep neural networks need only to fine-tune the parameters by training the exclusive datasets towards particular tasks. In this study, we aim to compare the conventional computer vision methods with deep neural network outputs and to detect the plants in a plantation area from aerial images. DenseNet model is exploited as the base model for fine-tuning and an appropriate hysteresis color threshold is applied to determine the interested colors within the plantation field. In addition, object localization is performed using the deep neural network model as well. Additionally, YOLOv3 model is trained with our dataset for comparison of the accuracy. Our dataset includes 1800 images for 3 classes of plants and there exists 600 per class. The main goal of this study is to provide an understanding of how precision agriculture is handled with computer vision technology and to make an improvement about the subject within the scope of our dataset.
Benzer Tezler
- Derin öğrenme ile İHA görüntülerinden nesne tespitinin yapılması
Object detection from UAV images with deep learning
EMİR ALBAYRAK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR YÜZGEÇ
- Derin öğrenme yöntemleri ve yapay sinir ağı tabanlı NDVI değerleri ile çeltik bitkisi hastalıkların tespiti
Detection of diseases in rice plant with deep learning methods and artificial network based NDVI values
İRFAN ÖKTEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR YÜZGEÇ
- Görüntü işlemenin Convolutional Neural Network (CNN) modeli kullanılarak tarımsal alanda uygulanması: Hastalıklı yaprak tespiti
Application of image processing in agriculture using the Convolutional Neural Network (CN) model: Leaf disease detection
BETÜL KARAOĞLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET TAHİR GÜNEŞER
DR. ÖĞR. ÜYESİ İSA AVCI
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Vision-based landing site detection for a UAV: From theory to application
İHA için görüş tabanlı iniş yeri tespiti: Teoriden uygulamaya
HEDAYAH OTHMAN ISMAIL OZDEMIR
Yüksek Lisans
İngilizce
2023
Havacılık ve Uzay MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DAVOOD ASADIHENDOUSTANI