Detection and classification of agricultural pest and vermin's using full-convolutional neural network
Tam kavramsal sinir ağları kullanılarak tarımsal zarar ve hareketlerin tespiti ve sınıflandırılması
- Tez No: 848833
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: 67
Özet
Bu tez, hassas tarımsal haşere ve haşarat tespiti ve sınıflandırması için Tam Evrişimli Sinir Ağlarının (FCN'ler) geliştirilmesi ve uygulanmasına ilişkin kapsamlı bir araştırmayı üstlenmektedir. Modern tarımın temel taşı olan hassas tarım, büyük ölçüde etkili mahsul sağlığı yönetimine dayanır; zararlıların ve kemirgenlerin tanımlanması kritik bir husustur. Özel bir derin öğrenme tekniği olan FCN, girdi boyutundan bağımsız olarak mahsul görüntülerinde haşerenin hassas lokalizasyonunu kolaylaştırarak benzersiz yetenekler sergiler. Araştırmanın güvenilirliğini ve etkinliğini sağlamak için dronları, sabit kameraları ve el cihazlarını kapsayan çok çeşitli veri kaynaklarından yararlanılıyor. Üstün çözünürlük ve ideal aydınlatma koşullarıyla karakterize edilen yüksek kaliteli görüntüler, model performansını en üst düzeye çıkarmak için gereklidir. Ek olarak, veri kümesi çeşitliliği ve profesyonel düzeydeki titiz açıklama süreçleri, modelin sağlamlığını önemli ölçüde artırır. Labelbox gibi ek açıklama araçları, haşere ve haşaratların doğru şekilde tanımlanması için sınırlayıcı kutular ve segmentasyon maskeleri gibi gelişmiş teknikler kullanılarak, hataları en aza indirmek için birden fazla incelemecinin katılımıyla kullanılmaktadır. Bu tez, yalnızca tarımsal haşere ve haşarat tespiti ve sınıflandırmasına uygun FCN'lerin geliştirilmesi ve dağıtılması için kapsamlı bir yol haritası sunmakla kalmıyor, aynı zamanda en son teknolojinin hassas tarım uygulamalarına kusursuz entegrasyonuna ilişkin paha biçilmez bilgiler de sunuyor. Araştırma böylece mahsul sağlığı yönetiminin geliştirilmesine ve sürdürülebilir tarımsal yaklaşımların desteklenmesine katkıda bulunarak çağdaş tarım ortamındaki öneminin altını çiziyor.
Özet (Çeviri)
This thesis undertakes a comprehensive exploration of the development and implementation of Full-Convolutional Neural Networks (FCNs) for precise agricultural pest and vermin detection and classification. Precision farming, a cornerstone of modern agriculture, relies heavily on effective crop health management, with pest and rodent identification being a critical aspect. FCN, a specialized deep learning technique, exhibits unique capabilities by facilitating precise pest localization within crop images, regardless of input size. To ensure the research's credibility and efficacy, a diverse array of data sources is tapped, encompassing drones, stationary cameras, and handheld devices. High-quality images characterized by superior resolution and ideal lighting conditions are essential for maximizing model performance. Additionally, dataset diversity and rigorous professional-grade annotation processes significantly bolster model robustness. Annotation tools such as Labelbox are harnessed for accurate pest and vermin delineation, employing advanced techniques like bounding boxes and segmentation masks, with multiple reviewers engaged to minimize errors. This thesis not only presents a comprehensive roadmap for developing and deploying FCNs tailored to agricultural pest and vermin detection and classification but also offers invaluable insights into the seamless integration of cutting-edge technology into precision farming practices. The research thereby contributes to the enhancement of crop health management and the promotion of sustainable agricultural approaches, underlining its significance in the contemporary agricultural landscape.
Benzer Tezler
- Sera ortamındaki zararlı böceklerin derin öğrenme teknikleriyle tespiti
Detection of pests in greenhouses using deep learning techniques
FATMA ÖNCÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ
- Süne ve kımıl zararlılarının ses işleme yöntemleri ile sınıflandırılması ve bir gömülü sistem gerçeklemesi
Classification of sunn pests using sound processing methods and an embedded system realization
BİLGİ GÖRKEM YAZGAÇ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI
- Şeker pancarı ekili alanların ve rotasyon uygulamalarının çok yıllık uydu verileri ile izlenmesi
Monitoring of sugar beet cultivated areas and rotation practices by multi-temporal satellite data
BURCU BOZTAŞ
Yüksek Lisans
Türkçe
2021
ZiraatEge ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
DOÇ. DR. MUSTAFA TOLGA ESETLİLİ
- Zeytin hastalıklarının derin öğrenme ile tespiti
Detection of olive fruit diseases with deep learning
ÇAĞLA TOPRAK ERDURAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBandırma Onyedi Eylül ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. SERHAT KILIÇARSLAN
- Bitki görüntülerindeki zararlı böceklerin derin öğrenme ile tanınması
Deep learning-based recognition of insect pests in plant images
ŞEVVAL EZGİ EZE
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELCAN KAPLAN BERKAYA