Yapay zekâya dayalı görü teknikleri kullanılarak elma ağacı rekolte tahmini
Apple tree yield prediction using artificial intelligence based vision techniques
- Tez No: 815633
- Danışmanlar: DOÇ. DR. AHMET KAYABAŞI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bugüne kadar insanlar tarımda verimliliği attırmak ve üretilecek ürünlerin toplam miktarının tahminlerini hızlı bir şekilde yapabilmek amacıyla birçok yönteme başvurmuşlardır. Tarımsal üretim doğa koşullarına bağlı olduğu için risk ve belirsizlik yüksektir. Günümüzde birçok alanda teknolojik gelişmeler yaşanmıştır. Özellikle tarım alanında yapay zekânın kullanımına yönelik büyük bir gelişme gösteren bilgisayar teknolojileri sayesinde, tarımda yaşanan bu risk ve belirsizliklere daha hızlı ve tutarlı çözümler üretmek mümkün hale gelmiştir. Tarımda yaşanan risk ve belirsizliklerden birisi de rekolte tahminidir. Meyveler ağaçlardan toplanmadan önce uzman kişiler tarafından meyvenin toplam miktarı tahmin edilir ve satış işleminde ona göre fiyat belirlenir. Bu tahminlerde belirsizlik yüksek olduğu için yapay zekâ dan faydalanmak doğruluk oranını arttıracaktır. Bu çalışmada elma ağaçlarında rekolte tahmini için yapay zekâ ya dayalı görü tekniklerinden faydalanılmıştır. Ağaçlardan toplanan görsellerin bilgisayar ortamında görü teknikleri ile işlenerek ve derin öğrenme algoritmaları kullanılarak ağaçların toplam rekolteleri tahmin edilmeye çalışılmıştır. Tez çalışmasında gerçek bir veri seti kullanılmıştır ve rekolte tahminini gerçekleştirmek için kullanıcıya yönelik bir Android uygulama hazırlanmıştır. Farklı yapay zekâ modelleri ile yapılan çalışmaların sonucunda doğrulukları kıyaslanarak % 85 'in üzerinde başarı elde edilmiştir.
Özet (Çeviri)
To date, people have applied to many methods in order to increase productivity in agriculture and to make estimations of the total amount of products to be produced quickly. As agricultural production depends on natural conditions, risk and uncertainty are high. Today, there have been technological developments in many fields. Thanks to computer technologies, which have made great progress especially in the use of artificial intelligence in the field of agriculture, it has become possible to produce faster and more consistent solutions to these risks and uncertainties in agriculture. One of the risks and uncertainties experienced in agriculture is yield estimation. Before the fruits are collected from the trees, the total amount of the fruit is estimated by the experts and the price is determined accordingly in the sales process. Since the uncertainty in these estimates is high, making use of artificial intelligence will increase the accuracy rate. In this study, artificial intelligence based vision techniques were used for yield estimation in apple trees. It was tried to estimate the total yield of the trees by processing the images collected from the trees with computer vision techniques and using deep learning algorithms. As a result of the studies carried out with different artificial intelligence models, their accuracy has been compared and more than 85% success achieved.
Benzer Tezler
- Yapay zekâya dayalı anlamsal video işleme yöntemlerinin tıpta kullanılabilirliğinin araştırılması
Investigation of usability of artificial intelligence semantic video processing methods in medicine
HASAN UCUZAL
Yüksek Lisans
Türkçe
2020
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMEK GÜLDOĞAN
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Continual learning with sparse progressive neural networks
Seyrek ilerlemeli sinir ağları ile sürekli öğrenme
ESRA ERGÜN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- An efficient multi-neural network ensemble model for image classification
Görüntü sınıflandırması için verimli bir çoklu-sinir ağ topluluğu modeli
VELİ NAKÇİ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALTUN
- Graph neural networks for interpersonal relationship recognition in images
Görsellerde kişilerarası ilişki tanıma için grafik sinir ağları
SİMGE AKAY TEMUR
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NAFİZ ARICA