Semi-automated image labeling framework for honeybee (Apis mellifera) detection and tracking in automated bee hive applications
Otomatik arı kovanı uygulamalarında bal arısı (Apis mellifera) tespiti ve takibi için yarı otomatik görüntü etiketleme sistemi
- Tez No: 783856
- Danışmanlar: DOÇ. DR. HANDE ALEMDAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Arıcılık hem bilimsel araştırmalar hem de tarım için değerlidir. Arıcı tarafından arı kovanını veterinerler yardımıyla yakından gözlemlemek için yaygın olarak kullanılan bir yöntem olmasına rağmen, sonuçlar ölçülebilir değildir. İzleme araçlarının yüksek maliyetleri, arıcılık endüstrisi için bir dezavantajdır. Bu çalışmada, düşük maliyetli kameralardan, düşük güç gerektiren hesaplama ekipmanından oluşan bir sistemi desteklemek ve son olarak benzer amaçlar için etiketleme iş yükünü azaltan yarı otomatik bir ILS elde etmek için bir hayvan algılama ve izleme algoritması uygulanmaktadır. ILS, Kovan 4.0: Bal Arısı (Apis Mellifera) İzleminde Yapay Zeka Temelli Nesnel Yaklaşımları projesinde kullanılmıştır. Düşük çözünürlüklü bir kamera ile hem test grubu hem de kontrol grubu aynı anda kayıt edilmiştir. Bu çalışmada YOLOv3, çalışmamızın veri seti üzerinde eğitilmiş ve nesne tespiti için kullanılmıştır. Buna paralel olarak, yanlış pozitif algılamayı azaltmak ve doğru nesneye doğru yolu atama hassasiyetini artırmak için arı kümelerinin konturu belirlenmiştir. Bundan sonra, kullanılmış olan aynı nesneye işaret eden algılamayı ortadan kaldırmak için k-means kümeleme algoritması uygulanmıştır. Bu çalışma, düşük maliyetli kamera kaydı videolarında nesne algılama ve takibinin, toplam hayvan sayısı bilindiği durumlarda raporlama kurulumları için etiketleme yükünü azaltırken etiketleme kalitesini artırmak için hayvan bakımında kullanılabilecek bir etiketleme uygulamasını geliştirmiştir.
Özet (Çeviri)
Beekeeping is a valuable field for both scientific research and agriculture. While beekeepers have traditionally relied on close observation, often with the help of vets, this method can provide limited empirical results. The high cost of monitoring tools presents a challenge in the beekeeping industry. To address this challenge, we implement an animal detecting and tracking algorithm as part of a framework that utilizes low-cost cameras and low-power computational equipment. This leads to the development of a semi-automated Image Labeling Software (ILS) that reduces the workload of labeling for similar frameworks. Our ILS was used in the Beehive 4.0 project, which uses an artificial intelligence-based approach for observing honeybees (Apis Mellifera) in a controlled environment. Using a low-resolution camera, we simultaneously record the test group and control group. We trained a standard YOLOv3 on our dataset and use this for object detection. To increase accuracy and reduce false positive detections, we also identified the contours of bee clusters. We then used k-means clustering to eliminate redundant detections. This study demonstrates that object detection and tracking on low-cost camera-recorded videos can be improved by using the proposed model in animal keeping. This will enhance labeling quality while reducing the labeling burden in reporting setups when the number of animals is known.
Benzer Tezler
- Implementation of three segmentation algorithms for CT images of torso
Gövde BT görüntüleri için üç bölütleme algoritması uygulaması
SİNAN ÖZ
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
YRD. DOÇ. DR. YEŞİM SERİAĞAOĞLU DOĞRUSÖZ
- İnsan hesaplama ve bilgisayar oyunları ile resim etiketleme
Human computation and labeling image wtih computer games
ENGİN ŞAHİN
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OSMAN ABUL
- Çok yüksek çözünürlüklü uydu görüntülerinden grafik tabanlı bilgi çıkarımı
Graph-based infortmation extraction from very high resolution satellite images
NURETTİN SİNANOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Segmantation in abdominal medical images
Karın bölgesine ait tıbbi görüntülerde bölütleme
AYKUT KOCAOĞLU
Yüksek Lisans
İngilizce
2007
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. GÜLESER KALAYCI DEMİR
- Büyük imge veri tabanlarında erişim için yarı eğitmenli görsel temsiller
Semi-supervised visual representations for large scale image databases
TUĞÇE DÖNGEL
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN ÇEVİKALP