Geri Dön

Mobil ve web uygulama ile derin öğrenmeye dayalı tohum sınıflandırması

A deep learning-based seed classification with mobile and web application

PDF İndir

  1. Tez No: 689215
  2. Yazar: YUSUF BAŞOL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN TOKLU
  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: 2021
  8. Dil: Türkçe
  9. Üniversite: Düzce Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 56

Özet

Tarımsal üretimde tohum kalitesi önemli bir faktördür. Son zamanlarda, tarım sektöründe üretkenliği arttırabilmek için gelişmiş teknolojilere ihtiyaç duyulmaktadır. Yapay zeka çalışmalarının tarım sektörüne dahil edilmesi bu ihtiyacın bir sonucu olarak ortaya çıkmıştır. Bazı tohumlar yapısı gereği küçüktür ve türler arasındaki farklılıkları tanımlayıp sınıflandırmak zordur. Geleneksel yöntemde, bu farklılıkları tanımlayıp sınıflandırmak uzmanlar tarafından morfolojik yapı, şekil, doku ve rengi göz önünde bulundurularak karar verilmektedir. Bu yöntemde sınıflandırma işlemi maliyetli, öznel ve zaman alıcı olduğu için tohum türlerini hızlı ve doğru bir şekilde tespit edebilen otomatik bir sistem geliştirilmesi gerekmektedir. Bu çalışmada, derin öğrenme tekniklerinden CNN kullanılarak hızlı bir şekilde tohum görüntülerini yüksek doğrulukta tespit eden ve sınıflandıran bir mobil uygulama ve web uygulaması geliştirilmiştir. Yaygın olarak bilinen 15 çeşit tohum görüntüsünden oluşan bir veri seti oluşturularak eğitim işlemi yapılmıştır. InceptionV3, Xception ve InceptionResNetV2 modellerinde %99 doğruluk, ResNet50 modelinde %98 doğruluk elde edilmiştir. Yüksek doğrulukta çalışan modelin mobil ortamda ve web ortamında çalışması sağlanmıştır. Ayrıca mobil uygulama sayesinde kullanıcıya tanımlanan tohumun morfolojik özellikleri ve kullanımı hakkında detaylı bilgiler verilmesi sağlanmıştır.

Özet (Çeviri)

Seed quality is an essential factor in agricultural production. In the recent years, advanced technologies are needed to increase productivity in the agricultural sector. The contribution of artificial intelligence studies in the agricultural sector has emerged because of this need. Some seeds are small in nature and it is difficult to identify and classify differences between species. In the traditional method, it is decided by experts to define and classify these differences, considering the morphological structure, shape, texture and color. This method involves a classification process that is costly, subjective and time confusing, what makes it necessary to develop a process that can automatically detect the type of seeds. In this study, a mobile application and web application has been developed that quickly detects and classifies seed images with high accuracy using CNN, one of the deep learning techniques. The training process was carried out by creating a dataset consisting of 15 widely known seed images. InceptionV3, Xception and InceptionResNetV2 models achieved 99% accuracy, and ResNet50 model 98% accuracy. The model, which works with high accuracy has been enabled to work in mobile and web environments. In addition, thanks to the mobile application, detailed information about the morphological characteristics and use of the seed identified was provided to the user.

Benzer Tezler

  1. Tez No

    558859

    Sensor-based activity recognition and authentication using deep learning

    Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma

    NİLAY TÜFEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  2. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    688518

    Resolving security and low mobility issues in mobile AD-HOC networks

    Başlık çevirisi yok

    AMMAR ABDULRAHMAN M.SAEED

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  4. Tez No

    299568

    Mobil Bilişim Teknolojisinin Elektrik ve Elektronik Mühendisliği derslerinde uygulanması

    The application of Mobile İnformation Systems Technology to Electrical and Electronics Engineering Courses

    RUHİ TAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UĞUR BAYSAL

  5. Tez No

    764883

    Mobil destekli Çevrimiçi Ters-Yüz Öğrenme Yönteminin öğretmen adaylarının bilgi okuryazarlığı becerilerine ve eğitim inançlarına etkisi

    The effect of mobile-assisted Online Flipped Learning Method on pre-service teachers' information literacy skills and educational beliefs

    BİLAL İNAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Eğitim ve ÖğretimTokat Gaziosmanpaşa Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    DOÇ. DR. KEREM KILIÇER

Geri Dön