Geri Dön

Derin öğrenme yöntemi kullanarak tarımda verimliliği arttıran yeni bir hibrit model

A new hybrid model increasing productivity in agriculture using deep learning method

  1. Tez No: 808958
  2. Yazar: FATİH BAL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ FATİH KAYAALP
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Düzce Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 168

Özet

Günümüzde tarım ürünlerinin üretimi ve bu üretimin devamlılığının sağlanması çok kritik bir öneme sahiptir. Bununla birlikte üretim aşamasındaki ürünlerin verimliliği çok önemlidir. Ürün veriminin yüksek olması çiftçinin ürün ve mali kaybını azaltacağı gibi tüketiciye de kaliteli ürün sağlayacaktır. Son yıllarda gelişen teknoloji ile birlikte tarım ürünlerinin verimliliğinin belirlenmesinde makine öğrenmesi ve derin öğrenme modelleriyle çalışmalar yapılmaktadır. Bu tez çalışmasında tarım ürünlerinin kalitesine göre verimliliğinin sınıflandırılması amacıyla derin öğrenme tabanlı yeni bir hibrit model tasarlanmıştır. Tasarlanan hibrit modelde bir derin öğrenme modeli olan CNN ile öznitelikleri çıkartılan görüntüler makine öğrenmesi modelleri ile sınıflandırılmıştır. Böylece en iyi hibrit model belirlenmiştir. Çalışma için Elma Veri Kümesi ve FruitsGB Veri Kümesi olmak üzere iki farklı veri kümesi kullanılmıştır. Elma Veri Kümesi dört farklı veri kümesi senaryosuna (Dataset_A, Dataset_B, Dataset_C, Dataset_D) ve aynı şekilde FruitsGB veri kümesi dört farklı veri kümesi senaryosuna (Meyve_A, Meyve_B, Meyve_C, Meyve_D) ayrılmıştır. Tüm modeller için doğruluk, hassasiyet, özgüllük, kesinlik, F1 skoru, dengeli doğruluk, Kappa skoru incelenmiş ve ROC analizleri yapılmıştır. Elma Veri Kümesi için en iyi sonucu veren hibrit model, %99,80 doğruluk oranı CNN-SVM (lineer) modeli ile Dataset_C veri kümesi senaryosunda elde edilmiştir. FruitsGB Veri Kümesi için en iyi sonucu veren hibrit model, %99,30 doğruluk oranı CNN-SVM (rbf) modeli ile Meyve_C veri kümesi senaryosunda elde edilmiştir. Çalışmanın sonuçlarına bakıldığında hibrit modelin etkili sonuçlar ortaya koyduğu gözlemlenmiştir.

Özet (Çeviri)

Today, the production of agriculture products and ensuring its continuity are of critical importance. Additionally, the productivity of the products during the production stage is highly significant. A high yield of the product will not only reduce the farmer's product and financial loses but also provide quality products to the consumers. With the advancements in technology in recent years, studies have been conducted utilizing machine learning and deep learning models to determine the productivity of agricultural products. In this study, a new hybrid model based on deep learning was designed to assess the productivity of agricultural products based on their quality. The designed hybrid model involves extracting feature images using CNN, a deep learning model, and classifying them with machine learning methods. Consequently, the optimal hybrid model was determined. For this study, two different datasets were used: Elma Veri Kümesi and FruitsGB. Elma Veri Kümesi is divided into four different dataset scenarios (Dataset_A, Dataset_B, Dataset_C, Dataset_D), and the FruitsGB Dataset is divided into four different dataset scenarios (Meyve_A, Meyve_B, Meyve_C, Meyve_D). Accuracy, precision, sensitivity, specificity, F1 score, balanced accuracy and Kappa scores and ROC analysis were performed for all dataset scenarios. The designed hybrid model, which achieved the highest accuracy rate of 99.80%, was obtained in the Dataset_C scenario using CNN-SVM (linear) model in Elma Veri Kümesi. The designed hybrid model, which achieved the highest accuracy rate of 99.30%, was obtained in the Meyve_C dataset using CNN-SVM (rbf) model in FruitsGB Dataset. Considering the results of the study, the hybrid model exhibited effective outcomes.

Benzer Tezler

  1. Meyve bahçelerinde derin öğrenme yöntemi ile rekolte tespiti için uçan robotik sistem tasarımı deneysel uygulaması

    Experimental application of flying robotic system design for detection of yield with deep learning method in orchards

    BURAK ULU

    Doktora

    Türkçe

    Türkçe

    2023

    Mekatronik MühendisliğiErciyes Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN YILDIRIM

  2. Object-aware interactive perception

    Nesne farkındalıklı etkileşimli algılama

    ÇAĞATAY KOÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SANEM SARIEL UZER

    PROF. DR. SİNAN KALKAN

  3. Optimizing energy efficiency in agriculture through machine learning-enabled plant disease management

    Makine öğrenimi destekli bitki hastalığı yönetimi yoluyla tarımda enerji verimliliğinin optimize edilmesi

    MASUD KABIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve TeknolojiFırat Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. SAMİ EKİCİ

  4. Transfer öğrenme tabanlı açıklanabilir derin öğrenme yöntemleri kullanılarak bitki hastalıklarının sınıflandırılması

    Classification of plant diseases using transfer learning-based explainable deep learning methods

    AHMET ENES KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT KARAKOYUN

  5. Yapay zekâya dayalı görü teknikleri kullanılarak elma ağacı rekolte tahmini

    Apple tree yield prediction using artificial intelligence based vision techniques

    ŞULE ATAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiKaramanoğlu Mehmetbey Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET KAYABAŞI