Tanıma amacıyla buğday'ın kızılötesi tayfının incelenmesi
Analysis of infrared spectrum of wheat for identification
- Tez No: 752225
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN DINDIŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 42
Özet
Buğday, dünya çapında üretimi ve tüketimi en fazla olan önemli mahsül türlerinden biridir. Bununla birlikte, günümüzdeki salgın hastalıklar, savaşlar nedeniyle buğdaya olan talep giderek artmaktadır. Farklı cinsteki buğdaylar farklı özellikler barındırdıkları için kullanım alanlarıda farklılaşmaktadır. Kullanım alanlarına en uygun buğday türünü belirlemek, buğdayın fiyatlandırılması açısından da fayda sağlayacaktır. Bir buğday cinsinin makarnalık veya ekmeklik olarak belirlenebilmesi için sınıflandırmaya ihtiyaç duyulmaktadır. Günümüzde bu sınıflandırma işlemleri labaratuvar ortamlarında deneylerle gerçekleşmektedir, ancak bu yöntemler zaman alıcı ve uzun süreçler gerektirir. Daha hızlı ve kesin sınıflandırma yapabilmek için Evrişimsel Sinir Ağları (CNN) derin öğrenmeye dayalı yaklaşımlar kullanılmaktadır. Yapılan diğer çalışmalar incelendiğinde CNN modelinin sınıflandırma çalışmalarında yüksek doğruluk sonuçları vermesi bu çalışmanın gerçekleştirilmesine katkıda bulunmuştur. Tez çalışmasının amacı; farklı cinslerdeki buğdayların CNN modeli kullanılarak sınıflandırılmasıdır. Bu çalışma kapsamında Eskişehir çevresinde yetiştirilen 24 adet buğday cinsinin sınıflandırılması gerçekleştirilmiştir. Buğdaylardan iki tür veri seti elde edilmiştir; birincisi NIR Spektrometre cihazı kullanılarak elde edilen yansıma değerleri, ikincisi ise Raspberry Pi NoIR Kamera kullanılarak elde edilen görüntü veri setleridir. NIR Spektrometre ile elde edilen veri setlerinin sınıflandırılması aşamalarında 1D Convolutional Modeli kullanılmıştır. Görüntü veri setinin sınıflandırılmasında ise VGG16 derin öğrenme modeli kullanılmıştır. 24 cins buğday görüntülerinin sınıflandırılmasında %62,35 test doğruluğu ve %62,24 doğrulama doğruluğu elde edilmiştir. Yeterli bulunmayan bu doğruluk oranını geliştirmek amacıyla incelenen doğruluk tablolarında yüksek sonuç veren buğday türleri tekrar sınıflandırılarak, test doğruluk sonucu %82,2 ve %87,65 doğruluk sonucuyla verim yükseltilmiştir. NIR yansıma veri setinin sınıflandırılmasında ise %96,10 test doğruluğu ve %96,60 doğruluk değeri elde edilmiştir. Görüntü sınıflarının azaltılması test doğruluk sonucunu artırmıştır. Bu çalışmalar sonucunda CNN modellerinin kullanımının sınıflandırma çalışmalarında başarılı olduğu kanıtlanmıştır.
Özet (Çeviri)
Wheat is one of the most important crop species with the highest production and consumption worldwide. However, today's demand for wheat is increasing due to epidemics and wars. Since different types of wheat have different characteristics, their usage areas also differ. Determining the most suitable wheat type for the usage areas will also be beneficial in terms of pricing the wheat. Classification is needed in order to determine a wheat type as durum or bread. Today, these classification processes are carried out by experiments in laboratory environments, but these methods are time-consuming and require long processes. Convolutional Neural Networks (CNN) deep learning-based approaches are used to make faster and more precise classification. When other studies were examined, the fact that the CNN model gave high accuracy results in classification studies contributed to the realization of this study. The aim of the thesis study; is the classification of different types of wheat using the CNN model. Within the scope of this study, the classification of 24 wheat varieties grown around Eskişehir was carried out. Two types of data sets were obtained from wheat; The first is the reflection values obtained using the NIR Spectrometer device, and the second is the image datasets obtained using the Raspberry Pi NoIR Kamera. 1D Convolutional Model was used in the classification stages of the data sets obtained with NIR Spectrometer. VGG16 deep learning model was used to classify the image data set. In the classification of 24 types of wheat images, 62.35% test accuracy and 62.24% validation accuracy were obtained. In order to improve this unsatisfactory accuracy rate, the wheat species that gave high results in the examined truth tables were reclassified and the test accuracy results were increased with 82.2% and 87.65% accuracy. In the classification of the NIR reflection data set, 96.10% test accuracy and 96.60% accuracy value were obtained. Reducing the image classes improved the test accuracy result. As a result of these studies, the use of CNN models has proven to be successful in classification studies.
Benzer Tezler
- Spektral vejetasyon indeksleri ile bitkilerin biyofiziksel özelliklerinin tespiti ve değerlendirilmesi
Determination and assessment of the plants' biophysical characteristics through spectral vegetation indices
SEZEL KARAYUSUFOĞLU UYSAL
Doktora
Türkçe
2021
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT ŞAYLAN
- Süne ve kımıl zararlılarının ses işleme yöntemleri ile sınıflandırılması ve bir gömülü sistem gerçeklemesi
Classification of sunn pests using sound processing methods and an embedded system realization
BİLGİ GÖRKEM YAZGAÇ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI
- Automatic determination of plant type and phenological stage with deep learning methods
Tarla görüntülerinden bitki türü ve fenolojik evresinin derin öğrenme yöntemleri ile otomatik saptanması
AIGERIM KAIROLDAYEVA
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Eskişehir kırsalında ekonomik ve sosyal yapı: 1844/1845
Economic and social structure in rural Eskisehir : 1844/1845
HALİL ŞAHİN
Yüksek Lisans
Türkçe
2009
SosyolojiEskişehir Osmangazi ÜniversitesiTarih Bölümü
YRD. DOÇ. DR. NUMAN ELİBOL
- Ekmeklik buğday (Triticum aestivum L.) genotiplerinin organik tarıma uygunluğunun agronomik ve moleküler düzeyde belirlenmesi
Analysis of agronomic and molecular properties to determine the suitability of bread wheat (Triticum aestivum L.) genotypes for organic agriculture
MERVE BAYHAN