Hızlı ıslah yöntemiyle geliştirilen ekmeklik ve makarnalık buğday popülasyonlarında tanenin fiziksel özelliklerinin görüntü işleme algoritmalarıyla belirlenmesi ve yapay zeka teknikleriyle sınıflandırılması
Determining the physical properties of grain in bread and durum wheat populations developed by rapid breeding by image processing algorithm and classification with ai techniques
- Tez No: 772023
- Danışmanlar: PROF. DR. NEVZAT AYDIN, DOÇ. DR. KADİR SABANCI
- Tez Türü: Doktora
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Biyomühendislik Bilim Dalı
- Sayfa Sayısı: 308
Özet
Buğday, besleyici özelliği, biyoçeşitliliği, verimliliği, çevresel streslere karşı direnci, fiyatı, kolay depolanması ve yıllarca tazeliğini koruyabilmesi gibi özelliklerinden dolayı binlerce yıldır gıda ihtiyacının giderilmesinde kullanılan tahılların ilk sıralarında yer almaktadır. Artan dünya nüfus, değişen iklim koşulları, pandemi ve savaşlar buğday üretiminde yetersizliğe sebep olmakta bu sebeplerden dolayı üretimi artırmak ve piyasanın taleplerini karşılamak için modern teknikler geliştiren çalışmalar yapılmaktadır. Bu çalışmamızda geliştirdiğimiz görüntüleme sistemi ve tane rengi analiz tekniği ile tanelere ait fiziksel özellikler çıkarılmış, veri tabanı oluşturulmuş ve sınıflandırma modellerine ait bazı parametreleri derlediğimiz algoritma tarafından belirlenerek genotip sınıflandırma işlemi gerçekleştirilmiştir. Ekmeklik buğday olan Nevzatbey, Triticum aestivum sphaerococcum ve bu iki genotipten elde edilen F5:6 melezinin fiziksel özellikleri karşılaştırılmıştır. Makarnalık buğday olan Ahmetbuğdayı, Cesare ve bu iki genotipten elde edilen GM1F5:6 ve GM2F4:5 popülasyonlarının fiziksel özelliklerinin yanı sıra protein analizleri yapılmış ve melezlerden anaç genotiplerine gözle anlaşılması zor olan iki melez veri tabanından seçilerek ANN, SVM, kNN, DT, RF ve NB makine öğrenme algoritmaları ve ResNet50, InceptionV2, DenseNet, VGG16 derin öğrenme modelleri kullanılarak sınıflandırma başarıları karşılaştırılmıştır. Elde edilen sonuçlara göre ANN algoritması ile renk özelliklerine göre %99,3, ResNet50 ve DenseNet derin öğrenme ağları ile %96 doğrulukta tür sınıflandırma başarıları elde edilmiştir. Geliştirdiğimiz görüntüleme kabini ve analiz teknikleri ile ıslah çalışmaları, buğday sınıflandırma işlemlerinde kullanılabilmekte ve farklı hassas tarım uygulamaları içinde kullanılması tavsiye edilmektedir.
Özet (Çeviri)
Wheat has been one of the first cereals used for thousands of years to meet food needs due to its nutritional properties, biyodiversity, productivity, resistance to environmental stresses, price, easy storage, and keeping its freshness for years. Increasing world population, climate changes, pandemics and wars cause inadequacy in wheat production and studies are carried out to develop modern techniques to increase production and meet the demands of the market. With the imaging system and grain color analysis technique we developed in this study, the physical properties of the grains were extracted, the database was created, and the genotype classification process was carried out by determining some parameters of the classification models by the algorithm we compiled. The physical properties of the bread wheat Nevzatbey, Triticum aestivum sphaerococcum and the F5:6 hybrid obtained from these two genotypes were compared. ANN, SVM, kNN, DT, RF and NB machine learning algorithms were selected from two hybrid databases where protein analyzes were made and the genotypes from hybrids to rootstock were difficult to understand, as well as the physical properties of Ahmet wheat, Cesare, and BC1F5:6 and BC2F4:5 populations obtained from these two genotypes. and ResNet50, InceptionV2, DenseNet, VGG16 deep learning models were used to compare the classification successes. According to the results obtained, species classification success was obtained with the ANN algorithm with an accuracy of 99.3% according to the color characteristics, and 96% with the ResNet and DenseNet deep learning networks. With the imaging booth and analysis techniques we have developed, it can be used in breeding studies, wheat classification processes and is recommended for use in different precision agriculture applications.
Benzer Tezler
- Hızlı ıslah yöntemiyle yetiştirilen geriye melez döllerin hasat sonrası tohum dormansi özelliklerinin belirlenmesi
Determination of post-harvest seed dormancy characteristics of backcross offspring grown by speed breeding method
BURAK AYIK
Yüksek Lisans
Türkçe
2022
BiyomühendislikKaramanoğlu Mehmetbey ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. NEVZAT AYDIN
- Çeltik beyaz uç nematodu, Aphelenchoides besseyi Christie, 1942 (Aphelenchida: Aphelenchoididae)'nun real-time PCR ile tanısı ve çeltik tohumlarının bulaşma durumunun nicel analizi
Detection and quantification of rice white tip nematode, Aphelenchoides besseyi Christie, 1942 (Aphelenchida:Aphelenchoididae) from rice
ELVAN SERT ÇELİK
- Bazı zambak (lilium spp.) türlerinin ın vıtro çoğaltımı
In vitro propagation of some lilium (lilium spp.) speci̇es
DOĞAN GÜRSAN
- Kamunun katılım bankacılığına girmesinin katılım bankacılığına olan muhtemel etkileri
Possible effects of public's joining in participation banking
FERHAT ARSLAN
Yüksek Lisans
Türkçe
2018
Bankacılıkİstanbul Sabahattin Zaim Üniversitesiİslam Ekonomisi ve Finansı Ana Bilim Dalı
PROF. DR. AHMET TABAKOĞLU