Geri Dön

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

  1. Tez No: 845809
  2. Yazar: EYÜP ŞEKERLİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL KILIÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Development of counterfeit banknote recognition system using deep learning

    Derin öğrenme kullanılarak sahte banknot tanıma sisteminin geliştirilmesi

    BURAK İYİKESİCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERGUN ERÇELEBİ

  2. Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  3. 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

    Türkçe

    2024

    ZiraatBursa Uludağ Üniversitesi

    Bitki Koruma Ana Bilim Dalı

    PROF. DR. NABİ ALPER KUMRAL

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. 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

    İngilizce

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER