Data mining of smart agricultural yielding using convolutional neural network (CNN)
Başlık çevirisi mevcut değil.
- Tez No: 796790
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Bu ileri araştırma, Konvolüsyonel Sinir Ağı (CNN) kullanarak akıllı tarımsal verimin veri madenciliği üzerinde çalışıyor ve tarımsal parsel nesnelerinin tanımlanması için bir algoritma tasarlamak, hem geleneksel görüntü segmentasyonu hem de derin öğrenme teknikleriyle önemsiz değil. Modelin, istenmeyen görüntü nesnelerini doğru bir şekilde reddetmesi, neredeyse benzer spektral özelliklere veya zar zor görünen sınırlara sahip bitişik alanlar arasında ayrım yapması ve çok sayıda homojen alana sahip (örn. Genel olarak, böyle bir algoritma için üç ana zorluk, tarım alanlarının heterojen ve değişken coğrafyası, uydu görüntülerinin belirli özellikleri ve mevcut yer gerçeği veri kümelerindeki yanlışlıklardır. Sonuçlar, uzaktan algılama görüntülerinin örnek segmentasyonu, optimal olmayan eğitim verileri ve kapsamlı son işleme olmaksızın nispeten basit girdi-çıktı yöntemi konusundaki yetersiz emsal çalışmanın ışığında çok umut verici görünmektedir. Küçük tarla parsellerinin doğru tahmin edilmesi, çevre alanı olarak kabul edilen parsellerin isabetsiz tespiti ve farklı ürün sınıflarına ait parseller arasındaki benzer fiziksel özellikler mevcut yöntemin önündeki en büyük engellerdir. CNN tabanlı alan verime örnek segmentasyonunun jeo-uzamsal ve uzaktan algılama verilerine uygulanması, tezin %98,92'lik olumlu sonuçları ışığında önemli bir gelecek potansiyeli göstermektedir. Modeller, özellikleri manuel olarak tasarlamaya gerek kalmadan ham verileri kullanabilir. Evrişimli işlem, veriler üzerinde kayan hareketli bir pencere olarak tanımlanabilir. Boyutuna çekirdek boyutu da denir. Adımın 1 olduğu (yani filtrenin veriler üzerinde bir piksellik adımlarla hareket ettiği) ve sıfır dolgusunun 2 olduğu (yani, giriş görüntüsü sınırlarının iki satır ve iki sıfır sütunu ile genişletildiği) varsayılarak, hareketli pencere her birine uygulanır. ilk ağ katmanındaki RGB giriş görüntüsünün olası uzamsal konumu. Bunun yerine S, M ve L kategorisi alan limitleri, eğitim verilerindeki alan alanlarının dağılımına göre seçildi: S (< 162 piksel), M (162 - 322 piksel) ve L (> 322 piksel). Bu, kabaca < 0,025 km2 eğitim alanı poligonlarının %43,1'ine, 0,025 km2 - 0,1 km2'den %46,5'ine ve %10,4 > 0,1 km2'ye karşılık gelir. Uydu görüntülerinin işlenmesi ve derin öğrenme modellerinin eğitim özellikleri ve kaynak gereksinimleri, uydu görüntüsü özellikleri tarafından daha zor hale getirilir.
Özet (Çeviri)
This advance research works on the data mining of smart agricultural yielding using Convolutional Neural Network (CNN) and designing an algorithm for the delineation of agricultural parcel objects is non-trivial, both via traditional image segmentation as well as with deep learning techniques. The model needs to correctly dismiss undesired image objects, differentiate between adjacent fields with nearly similar spectral properties or barely visible borders, and correctly delineate field objects with multiple homogenous areas (e.g. caused by varying soil properties within a single field). Overall, the three main challenges for such an algorithm are the heterogeneous and volatile geography of agricultural fields, the specific properties of satellite imagery, inaccuracies in the available ground truth datasets. The results appear very promising in light of the insufficient precedent work on instance segmentation of remote sensing images, the non-optimal training data, and the relatively simple input-output method without extensive post-processing. The correct prediction of small field parcels, miss detections of parcels that are considered environmental areas, and similar physical characteristics between parcels of different crop classes are major obstacles for the current method. The application of CNN based field yield instance segmentation to geospatial and remote sensing data demonstrates a significant future potential in light of the thesis's positive outcomes of 98.92%. The models can use raw data without needing to manually engineer features. The convolutional operation can be described as a moving window that slides across the data. Its size is also called kernel size. Assuming a stride of 1 (i.e. the filter moves across the data in steps of one pixel) and zero-padding of 2 (i.e. the input image boundaries are extended by two rows and two columns of zeros), the moving window is applied to every possible spatial location of the RGB input image in the first network layer. Instead, the S, M and L category area limits were selected by the distribution of field areas in the training data: S (< 162 pixel), M (162 - 322 pixel) and L (> 322 pixel). This roughly corresponds to 43.1% of training field polygons < 0.025 km2, 46.5 % from 0.025 km2 - 0.1 km2 and 10.4 % > 0.1 km2. The processing of satellite images and the training characteristics and resource requirements of deep learning models are made more difficult by the satellite image properties.
Benzer Tezler
- Akıllı seralardan toplanan verilerin veri madenciliği yöntemleri ile modellenmesi
Modeling the data collected from smart greenhouses with data mining methods
KEVSER YEŞİLÇİMEN
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ÖZLEM ÇETİNKAYA BOZKURT
- Modern yöntemlerle korelasyon, mesafe, yükseklik matrisi tabanlı yağış tahmin modelleri
Precipitation prediction of correlation, distance, elevation matrix based models by modern methods
KÜBRA KÜLLAHCI
Yüksek Lisans
Türkçe
2019
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Kentsel yayılmanın su havzası koruma alanları üzerindeki etkisinin incelenmesi: Büyükçekmece havzası örneği
Examination of the lmpact of urban sprawl on water basin protected areas: The case of Büyükcekmece basin
MERVE ÇATAL
Yüksek Lisans
Türkçe
2020
Şehircilik ve Bölge PlanlamaYıldız Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. MUSTAFA VAR
- Ev tarımı uygulamalarına yönelik toprak nemi kestirim yöntemleri
Soil moisture methods for home agricultural applications
HİLAL TÜRK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Nutrient dynamics in coastal lagoons: Dalyan lagoon case study
Kıyı lagünlerinde nütrient dinamiği: Dalyan lagünü örneği
MELİKE GÜREL
