Nesne tespit algoritması (YOLOv4 algoritması) ile patates böceğinin (Leptinotarsa decemlineata) (say) patates bitkisi üzerinde saptanması ve populasyon izleme olanakları
Detection of the colorado potato beetle (Leptinotarsa decemlineata) (say) on the potato plant using object detection algorithm (the YOLOv4 algorithm ) and population monitoring opportunities
- Tez No: 739439
- Danışmanlar: PROF. DR. İSMAİL KARACA
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bitki Koruma Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Bu tez çalışmasında, YOLOv4 nesne tespit algoritmasıyla patates böceği (Leptinotarsa decemliniata)'ın ergin ve son dönem (3. ve 4. dönem) larvalarının patates bitkisi üzerinde tespitinin yapılması araştırılmıştır. YOLOv4 nesne tespit algoritmasının eğitim sonunda her 1000 iterasyonun başarı ölçütlerine bakılmıştır. Eğitim sonucunda“cfg yapılandırma”dosyasında ağın giriş görüntü çözünürlüğü“416x416”,“608x608”,“832x832”,“1024x1024”ve“1440x1440”olarak değiştirilerek en uygun model tespit edilmeye çalışılmıştır. Eğitim sonucunda“cfg yapılandırma”dosyasında giriş görüntüsü boyutunun“1024x1024”değiştirilmesiyle 3000. iterasyonda en uygun nesne algılayıcısı modeli elde edilmiştir. Önerilen modele ait başarı ölçütü olarak recall 0.78, precision 0.85, F1-Score 0.81, mAP 87.53 ve IoU 57.99 değerlerine ulaşılmıştır. Ayrıca sarı yapışkan tuzak, çukur tuzaklar ve gözle kontrol yöntemi kullanılarak kışlamadan çıkan ergin patates böceklerinin çıkış zamanının saptanması ele alınmıştır. Kışlamadan çıkan ergin patates böceklerinin sarı yapışkan tuzak ve çukur tuzaklarla yakalanma durumu incelenerek YOLOv4 nesne tespit algoritması kullanılarak erken uyarı sistemlerinde kullanılabilirliği araştırılmıştır. 25.05.2021 tarihinde ilk olarak çukur tuzaklarda patates böceği ergini tespit edilmiştir. Gözle kontrol yöntemi kullanılarak patates böceği ilk defa 01.06.2021 tarihinde kaydedilmiştir. Çukur tuzak yöntemi kullanılarak patates böceğinin çıkışı gözle kontrol yöntemine kıyasla daha erken olmuştur. Yapılan çalışmada sarı yapışkan tuzaklarda herhangi bir patates böceği yakalanamamıştır.
Özet (Çeviri)
In this thesis, the detection of adult and late (3rd and 4th instars) larvae of potato beetle (Leptinotarsa decemliniata) on potato plant was investigated with the YOLOv4 object detection algorithm. At the end of the training, the evaluation metric of each 1000th iteration were examined and the most suitable model was tried to be determined by changing the input image resolution of the network to“416x416”,“608x608”,“832x832”,“1024x1024”and“1440x1440”in the“cfg configuration”file. As a result of the training, the most suitable object detector model was obtained in the 3000th iteration by changing the input image resolution to“1024x1024”in the“cfg configuration”file. Recall 0.78, precision 0.85, F1-score 0.81, mAP 87.53 and IoU 57.99 were obtained as the evaluation metric of the suggested model. In addition, determining the emergence time of overwintered edult potato beetle by using yellow sticky traps, pitfall traps and visual inspection method is discussed. The trapping of the overwintered potato beetle with yellow sticky traps and pitfall traps was examined, and theirs usability in early warning systems was investigated by using the YOLOv4 object detection algorithm. Adult potato beetles were detected in pitfall traps for the first time on 25.05.2021. They were seen by using the visual control method on 01.06.2021. By using the pitfall trap method, the emergence of the potato beetle was earlier compared to the visual control method. In this study, no potato beetle was caught in the yellow sticky traps.
Benzer Tezler
- Kumaş hatalarının derin öğrenme ile tespiti
Detection of fabric defects with deep learning
YASİN ERDOĞAN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN ALTUNAY
- Baskılı devre kartları için düşük maliyetli otomatik kusur tespit sisteminin geliştirilmesi
Başlık çevirisi yok
AYHAN ÇALIŞKAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜRAY GÜRKAN
- Derin öğrenme tabanlı nesne tespit algoritmaları ile hisse senedi al-sat karar destek sisteminin modellenmesi
Modeli̇ng of tradi̇ng deci̇si̇on support system wi̇th deep learni̇ng based object recogni̇ti̇on algori̇thms
GÜNAY TEMÜR
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR BİROĞUL
DOÇ. DR. UTKU KÖSE
- Derin öğrenme yaklaşımları ile gömülü sistemler için gerçek zamanlı araç sayım ve takip sistemi
Real-time vehicle counting and tracking system with deep learning approaches for embedded systems
ABDULREZZAK DURAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN DUVAR
- Endüstriyel ortamlarda güvensiz davranışların video üzerinden tespiti için yeni bir derin öğrenme modeli geliştirilmesi
Development of a new deep learning model for video detection of unsafe behaviors in industrial environments
OĞUZHAN ÖNAL
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL