Geri Dön

Kuru üzüm kalitesinin derin öğrenme teknikleri ile gerçek zamanlı olarak tespiti

Detection the quality of raisin in real time by deep learning techniques

  1. Tez No: 779341
  2. Yazar: ABDULLAH YAĞIZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN UĞUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Derin öğrenmenin çok gelişmiş kullanım alanı ve çeşitliliğe sahip olmasının beraberinde hesaplama gücünün büyümesi ile derin öğrenme algoritmaları tarım alanında dikkate değer sonuçlar elde etmesini sağlamıştır. Derin öğrenmenin tarım alanında mahsullerin analizi, haşere tespiti, yabani ot tespiti, sulama verimliliği, gübreleme, hava durumu (iklimlendirme) analizi, tarım alanı analizi, toprak analizi ve tarım alnında kullanılan otonom makinelerde kullanılmaktadır. Çalışmada derin öğrenme teknikleri kullanılarak TS 3411'de yer alan Sultani kuru üzüm numunelerinin standarda uygunluğunun tespitini gerçek zamanlı sistem ile belirlenmiştir. Kuru üzüm veri seti 1.Kalite, 2.Kalite ve Üzüm Çöpü olacak şekilde üç sınıf ve 10544 adet görüntüden oluşmaktadır. Çalışmada YOLOv5, YOLOv6, YOLOv7, YOLOX, FCOS ve TOOD modelleriyle eğitimler yapılmıştır. Yapılan eğitimlerde toplam kayıp değerin 0.018 ile en düşük TOOD, mAPs %84,6 ile TOOD ve mAP^(50:05:95) değeri ise %88,7 ile YOLOv5 olarak en iyi sonuçlar elde edilmiştir. Fakat gerçek zamanlı tespitte YOLOv6 daha yüksek fps değerine sahip olduğundan gerçek zamanlı tespitte YOLOv6 tercih edilmiştir.

Özet (Çeviri)

Deep learning has a very advanced usage area and diversity, as well as the growth of computational power, deep learning algorithms have provided remarkable results in the field of agriculture. Deep learning is used in agriculture analysis of crops, pests, weeds, irrigation, fertilization, weather (climatization), farmland analysis, soil analysis and autonomous machines used in agriculture. In the study, using deep learning techniques, the conformity of Sultana raisin samples in TS 3411 to the standard was determined with a real-time system. The raisin dataset consists of three classes as 1.Quality, 2.Quality and Grape Stalk and 10544 images. In the study, train were made with YOLOv5, YOLOv6, YOLOv7, YOLOX, FCOS and TOOD models. In the train, the lowest TOOD with 0.018 of the total loss value, TOOD with 84.6% for mAPs and YOLOv5 with 88.7% for mAP^(50:05:95) were obtained. However, since YOLOv6 has higher fps in real-time detection, YOLOv6 is preferred in real-time detection.

Benzer Tezler

  1. Vakum mikrodalga kurutucu ile kurutulan Sultaniye çeşidi üzümlerindepolama boyunca kalite değişimlerinin belirlenmesi

    Determination of quality changes of Sultaniye variety grapes during storage dried by vacuum microwave dryer

    ASUMAN UZUNORMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Gıda MühendisliğiEge Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. TANER BAYSAL

    DOÇ. DR. HAMZA BOZKIR

  2. Effects of storage conditions on the quality of seeded raisins during long-term storage

    Uzun süreli depolamada, depolama koşullarının kuru üzümün kalitesine etkileri

    MELEK SEDA AKSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    1992

    Gıda MühendisliğiOrta Doğu Teknik Üniversitesi

    PROF. DR. ALİ ESİN

  3. Siyah Aspergillus suşları tarafından kuru üzüm besiyerinde okratoksin a (OTA) oluşumunun incelenmesi

    Investigation of ochratoxin a (OTA) production by black Aspergilli strains on dried vine fruit media

    ECE GÖKMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Gıda Mühendisliğiİstanbul Teknik Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEYNEP DİLEK HEPERKAN