Derin öğrenme yöntemi kullanarak tarımda verimliliği arttıran yeni bir hibrit model
A new hybrid model increasing productivity in agriculture using deep learning method
- Tez No: 808958
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH KAYAALP
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2023
Mekatronik MühendisliğiErciyes ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN YILDIRIM
- Object-aware interactive perception
Nesne farkındalıklı etkileşimli algılama
ÇAĞATAY KOÇ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
PROF. DR. SİNAN KALKAN
- 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
2024
Bilim ve TeknolojiFırat ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİ EKİCİ
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KARAKOYUN
- 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
2023
Elektrik ve Elektronik MühendisliğiKaramanoğlu Mehmetbey ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET KAYABAŞI