Geri Dön

Derin öğrenme tabanlı akıllı tarım ve uygulamaları

Deep learning based smart agriculture and applications

  1. Tez No: 777410
  2. Yazar: FURKAN ALP ESEN
  3. Danışmanlar: DOÇ. DR. AYTUĞ ONAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ziraat, Computer Engineering and Computer Science and Control, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İzmir Katip Çelebi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 104

Özet

Geleneksel tarım faaliyetlerine yapay zekayı entegre edebilmek için yeterli donanıma ve bilgiye sahibiz. Bu çalışma kapsamında geliştirilen mobil uygulama ile yapay sinir ağları kullanılarak, çiftçilerin mobil uygulama üzerinden bitkilerin hastalıklarını tespit edebilmesi sağlanmıştır. Eğitilen derin öğrenme modelleri sayesinde üreticiler; 14'ten fazla hastalıklı veya sağlıklı bitki yapraklarının fotoğrafını çekerek yapay zeka ile rahatlıkla durumunu öğrenebilir ve yayılmakta olan hastalığa oldukça hızlı bir şekilde tedavi uygulayabilir hale gelmiştir. Üretici; farklı araziler üzerinde ektiği veya hasat ettiği bitkileri uygulama envanterine kaydederek her yerden kontrol edebilir, envanterinde yetiştirilmekte olan bitkilerin de belirli aralıklar ile fotoğraflarını çekerek, mobil uygulama üzerinden derin öğrenme modelini kullanarak gelişim oranlarını hesaplayıp veritabanına kayıt edebilmektedir. Üreticiler; belirli aralıklar ile görsellerini toplayarak sahip oldukları bitkilerin gelişim grafiklerini uygulama içerisinde takip edebilmektedirler. Ziraatçılar ve çiftçiler uydu veya insansız hava araçlarından alınan görüntüleri kullanarak mobil uygulama içerisinde araziye yayılan su, ilaç, kuruma vb değişimleri kontrol edilebilmektedirler.

Özet (Çeviri)

We have sufficient equipment and knowledge to integrate artificial intelligence into traditional agricultural activities. With the mobile application developed within the scope of this study, artificial neural networks were used to enable farmers to detect plant diseases through the mobile application. Thanks to the trained deep learning models, manufacturers; By taking pictures of more than 14 diseased or healthy plant leaves, it has become able to easily learn its condition with artificial intelligence and apply treatment to the spreading disease quite quickly. Producer; It can control the plants that it has planted or harvested on different lands by recording it in the application inventory, and can also take pictures of the plants grown in its inventory at certain intervals, calculate the development rates using the deep learning model via the mobile application and save it to the database. Producers; by collecting their images at certain intervals, they can follow the development graphics of the plants they have in the application. Agriculturalists and farmers can use the images taken from satellite or unmanned aerial vehicles to control the changes in water, medicine, drying etc. spread over the land within the mobile application.

Benzer Tezler

  1. Tarımsal uygulamalar için derin öğrenme temelli uç sistem modellerinin geliştirilmesi ve optimizasyonu

    Development and optimization of deep learning based edge system models for agricultural applications

    DORUK SÖNMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN ÇETİN

  2. İki boyutlu sağlık, tarım ve iş güvenliği imgeleri üzerinde sınıflandırma ve nesne tespiti

    Classification and object detection on two dimensional health, agriculture, and occupational safety images

    EMİNE CENGİL

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÇINAR

  3. Gelişmiş makine öğrenimi teknikleri ile çok zamanlı hava ve uydu görüntüleri kullanılarak mısır (Zea mays) türlerinin fenoloji tabanlı sınıflandırılması

    Phenology- based classification of maize (Zea mays) species using multi̇- temporal aerial and satellite imagery with advanced machine learning techniques

    OSMAN YAVUZ ALTUNTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ÇÖLKESEN

  4. Riskli alanlar için LPG takılı araçların bilgisayarlı görü teknikleriyle tespit edilmesi

    Detection of LPG fitted vehicles for risky areas with computer vision techniques

    ÖZNUR SUÇEKEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER

  5. Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR