Derin öğrenme yöntemleri kullanılarak diyarbakır yöresi karpuzu görüntülerinden ağırlığının tahmin edilmesi
Estimating weight from diyarbakir region watermelon images using deep learning methods
- Tez No: 742789
- Danışmanlar: DR. ÖĞR. ÜYESİ SAVAŞ KOÇ
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Bu tez çalışmasında Diyarbakır yöresinde yetişen karpuzların görüntüleri kullanılarak derin öğrenme metotlarıyla karpuzların ağırlık tahmini yapılmıştır. Çalışmada 5000 adet karpuz görüntüsü kullanılmıştır. Diyarbakır yöresinde yetiştirilen karpuzların market ve semt pazarlarında fotoğrafları çekilerek bilgisayar ortamında kayıt altına alınmıştır. Toplanan karpuz görüntülerinin arka planları alındıktan sonra maskeleri Python programında yapılmıştır. Maskeler U-Net mimarisinde kullanılmak üzere eğitim dosyasına alınmıştır. Derin öğrenme yöntemlerinde evrişimli sinir ağları ile U-Net mimarisi kullanılmıştır. Görüntülerin segmentasyonu başarılı bir şekilde yapılmıştır. U-Net mimarisi %99,65 oranında başarılı bir şekilde karpuz görüntüsünü geometrik olarak tahmin etmiştir. U-Net modelinde elde edilen görüntülerden piksel alan metodu ile karpuzun görüntüde kapladığı alan oranı hesabı yapılmıştır. Görüntülerin boy ve en pikselleri belirlendikten sonra yapay sinir ağı ile eğitimlerine geçilmiştir. En iyi mimariyi bulmak için yapay sinir ağları 9 farklı mimari ile eğitimi yapılmıştır. En iyi mimari 4 gizli katmana sahip 1024 birime ayrılmış olan ve aktivasyon fonksiyonu olarak ReLU kullanılan mimari olmuştur. Görüntülerden elde edilen karpuz verilerinin çok katmanlı yapay sinir ağlarında eğitilmesi ile test doğruluk oranı %92,59 ve eğitim doğruluk oranı ise %94,43 bulunmuştur. Sonuç olarak oluşturulan derin öğrenme yöntemi sayesinde 65 cm mesafede fotoğrafı çekilen karpuz görüntülerinin kaç kilo aralığında olduğu tahmin edecek bir program oluşturularak dijital tarım alanındaki çalışmalara katkıda bulunacaktır.
Özet (Çeviri)
In this thesis study, using the images of watermelons grown in the Diyarbakır region, the weight estimation of watermelons was made by deep learning methods. 5000 watermelon images were used in the study. Photographs of watermelons grown in the Diyarbakir region were taken in markets and neighborhood markets and recorded in a computer environment. After the backgrounds of the collected watermelon images were taken, their masks were made in the Python program. Masks are included in the training file to be used in the U-Net architecture. Convolutional neural networks and U-Net architecture are used in deep learning methods. Segmentation of images has been done successfully. The U-Net architecture has successfully predicted the watermelon image geometrically at a rate of 99.65%. The area ratio of the watermelon in the image was calculated by using the pixel area method from the images obtained in the U-Net model. After the height and width pixels of the images were determined, training with the artificial neural network was started. To find the best architecture, artificial neural networks were trained with 9 different architectures. The best architecture was the one that was divided into 1024 units with 4 hidden layers and ReLU was used as the activation function. By training the watermelon data obtained from the images in multilayer artificial neural networks, the test accuracy rate was 92.59% and the training accuracy rate was 94.43%. As a result, thanks to the deep learning method created, a program that will estimate the weight of watermelon images taken at a distance of 65 cm will contribute to the studies in the field of digital agriculture.
Benzer Tezler
- Makine öğrenmesi yöntemleri kullanılarak diyarbakır içme suyu şebekesindeki yatay milli su pompası sesinden arıza tahmini
Fault prediction from horizontal national water pump sound in dyarbakir drinking water network using machine learning methods
İDRİS SAÇAKLIDIR
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiBatman ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAVAŞ KOÇ
- Sistem tanılama makine öğrenmesi ve derin öğrenme modelleri ile güneş radyasyonu tahmini
Solar radiation forecasting using system identification machine learning and deep learning models
GÖKSEL KADER
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ÖNDER GÜLER
- Elektrik dağıtım şebekesinde meydana gelen elektrik kesintilerine ait kalite parametrelerinin makine öğrenimi ile ölçülmesi: Diyarbakır ili Çınar ve Ergani ilçelerine ait performans ölçümü
Measurement of quality parameters related to power outages i̇n the electricity distribution network via machine learning: Performance assessment for Çinar and Ergani districts of Diyarbakir province
ESRA TOPKAÇ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET NERGİZ
- Derin öğrenme yöntemleri kullanılarak beyin tümörü tiplerinin ve sınırlarının tahminlenmesi
Prediction of brain tumor types and limits using deep learning methods
MERVE PINAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ
- Derin öğrenme yöntemleri kullanılarak Türkiye'deki depremlerin tahmini
Prediction of earthquakes in Turkey using deep learning methods
MERVE ÇELİK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL