Derin öğrenme ve dijital görüntü işleme teknikleri kullanılarak Kahramanmaraş'ta yetişen ceviz türlerinin özellik tespiti ve sınıflandırılması
Feature detection and classification of walnut species growing in Kahramanmaraş by using deep learning and digital image processing techniques
- Tez No: 845809
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Bu tez çalışması, kabuklu meyve işleme sektöründe karşılaşılan insan kaynaklı hatalar, hijyen sorunları ve tekrar eden monoton görevlerin üstesinden gelmek amacıyla derin öğrenme ve dijital görüntü işleme tekniklerini kullanarak ceviz türlerinin otomatik olarak tespit edilmesi ve sınıflandırılması üzerine odaklanmaktadır. Ceviz, Türkiye'de önemli bir tarımsal üründür ve farklı türleri bulunmaktadır. Ceviz meyvesinin tür ve kalite çeşitliliği, sınıflandırma süreçlerini karmaşık hale getirebilmektedir. Tez, Kahramanmaraş bölgesinde yetiştirilen ceviz türlerinin özelliklerinin belirlenmesi ve sınıflandırılması için yapılan araştırmayı sunmaktadır. Maraş18, Chandler, Bilecik ve Kurtuluş100 türündeki cevizlerin görüntüleri, derin öğrenme modelleri olan SqueezeNet, AlexNet, Resnet18 ve ResNet34 ile eğitilmiş bir yapay zeka uygulaması kullanılarak sınıflandırılmıştır. Bu sınıflandırma sürecinde NVIDIA Jetson NANO geliştirme kiti tercih edilmiştir. Çalışmanın temel amacı, ceviz türlerini otomatik olarak tespit ederek işleme süreçlerinde verimliliği artırmaktır. Oluşturulan veri seti üzerinde yapılan eğitim sonuçlarına göre, ResNet modellerinde %98 ve %99 doğruluk oranları elde edilmiştir. Bu sonuçlar, yapay zeka uygulamasının ceviz türlerini başarılı bir şekilde sınıflandırabildiğini göstermektedir. Bu çalışma, kabuklu meyve işleme sektöründe otomasyon ve verimlilik artışı sağlamak adına önemli bir adım olarak değerlendirilebilir.
Özet (Çeviri)
This thesis is focused on the automatic detection and classification of walnut varieties, utilizing deep learning and digital image processing techniques to overcome human errors, hygiene issues, and repetitive monotonous tasks encountered in the shell fruit processing industry. Walnuts are a significant agricultural product in Turkey, with various types. The diversity in walnut fruit types and qualities can complicate the classification processes in this industry. The thesis presents a research study conducted for the determination and classification of characteristics of walnut varieties grown in the Kahramanmaraş region. The images of Maras18, Chandler, Bilecik, and Kurtuluş100 types of walnuts were classified using an artificial intelligence application trained with deep learning models, including SqueezeNet, AlexNet, Resnet18, and ResNet34. The NVIDIA Jetson NANO development kit was preferred for the classification process in this study. The primary objective of the study is to enhance efficiency in processing procedures by automatically detecting walnut varieties. According to the training results on the created dataset, accuracy rates of 98% and 99% were achieved with ResNet models. These outcomes demonstrate that the artificial intelligence application successfully classifies walnut varieties. This study can be considered a significant step towards automation and increased efficiency in the shell fruit processing industry.
Benzer Tezler
- Development of counterfeit banknote recognition system using deep learning
Derin öğrenme kullanılarak sahte banknot tanıma sisteminin geliştirilmesi
BURAK İYİKESİCİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGUN ERÇELEBİ
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Zeytin pamuklu biti ve zeytin güvesinin kimyasal mücadelesinde görüntü işleme ve sensör tabanlı erken uyarı sisteminin entegrasyonu
Integration of image processing and sensor-based forecastingsystem in chemical control of olive psyllid and olive moth
MERT DEMİREL
Yüksek Lisans
Türkçe
2024
ZiraatBursa Uludağ ÜniversitesiBitki Koruma Ana Bilim Dalı
PROF. DR. NABİ ALPER KUMRAL
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Assessing the impact of super-resolution on enhancing the spatial quality of historical aerial photographs
Tarihi hava fotoğraflarının mekansal kalitesini artırmada süper-çözünürlüğün etkisinin irdelenmesi
ABDULLAH HARUN İNCEKARA
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER