Ayçiçeği bitkisinin gelişim evrelerinin derin öğrenme teknikleri kullanılarak tespiti
Detection of developmental stages of sunflower plant using deep learning techniques
- Tez No: 849540
- Danışmanlar: DR. ÖĞR. ÜYESİ CEM TAŞKIN
- 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: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 129
Özet
Son yıllarda gelişen hassas tarım teknolojileri sayesinde tarımsal ürünlerin sulanması, gübrelenmesi, ilaçlanması, yabancı otların ayıklanması, hasat edilmesi gibi birçok işlem otonom sistemler tarafından yapılabilmektedir. Bitkilerin gelişimlerinin takip edilebilmesi de hassas tarım uygulamaları için oldukça önemlidir. Özellikle ayçiçeği gibi bazı bitki türlerinde bu işlemlerin ne zaman uygulanacağına, büyük ölçü de bitkinin içerisinde bulunduğu gelişim evresine göre karar verilmektedir. Ayrıca ayçiçeği ile ilgili yapılan bilimsel çalışmalarda bu evrelerin bilinmesi büyük önem arz etmektedir. Bu çalışmada ayçiçeği bitkilerinin gelişim evrelerinin sınıflandırılabilmesi için derin öğrenme yöntemleri kullanılmıştır. Dron yardımıyla araziden alınan görüntüler yüksek çözünürlüklü olduğu için her biri 6 eşit parçaya bölünmüş ve sonrasında 8 sınıf belirlenerek her bir sınıfa ait görüntüler ayıklanmıştır. Her sınıfta 1600 adet, toplamda 12800 adet görüntünün olduğu bir veri seti oluşturulmuştur. AlexNet, InceptionV3, ResNet101, DenseNet121, MobileNet ve Xception olmak üzere altı farklı derin öğrenme modeli, Sgd, Adam ve Rmsprop optimizasyon yöntemleriyle test edilerek performansları karşılaştırılmıştır. Modellerin başarılarının daha doğru değerlendirilebilmesi için eğitilen modeller farklı bir araziden alınan görüntüler ile oluşturulan ikinci bir veri seti üzerinde de test edilmiş ve yüksek başarı oranları elde edilmiştir. Ayrıca hangi evrede olduğuna net karar verilemeyen görüntüler için 7 sınıflı bir ara evre test seti oluşturulmuş ve yine modellerin başarı oranları test edilmiştir. 7-8 ara evresinde bulunan görüntüler için başarının çok düşük olduğu gözlemlenmiş, bu sınıf için de başarı oranını arttıracak bazı filtreler görüntülere uygulanarak modeller yeniden eğitilmiş ve elde edilen bulgular değerlendirilmiştir.
Özet (Çeviri)
Thanks to the precision agriculture technologies developed in recent years, many processes such as irrigation, fertilization, spraying, weeding and harvesting of agricultural products can be done by autonomous systems. Monitoring the development of plants is also very important for precision agriculture applications. Especially in some plant species such as sunflower, when to apply these processes is largely decided according to the developmental stage of the plant. In addition, it is of great importance to know these stages in scientific studies on sunflower. In this study, deep learning methods were used to classify the developmental stages of sunflower plants. Since the images taken from the field with the help of drone are high resolution, each of them is divided into 6 equal parts, and then 8 classes are determined and the images belonging to each class are extracted. A data set with 1600 images in each class and 12800 images in total was created. Six different deep learning models, namely AlexNet, InceptionV3, ResNet101, DenseNet121, MobileNet and Xception, were tested with Sgd, Adam and Rmsprop optimization methods and their performances were compared. In order to evaluate the success of the models more accurately, the trained models were also tested on a second data set created with images taken from a different terrain and high success rates were obtained. In addition, a 7-class intermediate stage test set was created for the images whose stage could not be determined clearly, and the success rates of the models were tested again. It was observed that the success rate was very low for the images in the 7-8 intermediate stage, and some filters that would increase the success rate for this class were applied to the images, and the models were retrained and the results were evaluated.
Benzer Tezler
- Farklı kavurma sıcaklıklarının bazı kuruyemişlerde akrilamid oluşumuna etkisi
The influence of different roasting temperatures on the acrylamide formation in some nuts
MÜESSER SÜVARİ
Yüksek Lisans
Türkçe
2015
Gıda MühendisliğiNamık Kemal ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER ÖKSÜZ
- Trakya Bölgesi'ndeki kanola (Brassica napus L.) tarlalarında görülen abiyotik sorunlar ve Beet western yellows virus (BWYV), turnip mosaic virus (TuMV)'lerinin DAS-ELISA ile saptanması
Determination of abiotic disorders and the identification of Beet western yellows virus (BWYV) and turnip mosaic virus (TuMV)'es by DAS-ELISA in Canola (Brassica napus L.) fields of the Trakya region in Turkey
ANIL ŞEKER
Yüksek Lisans
Türkçe
2015
ZiraatNamık Kemal ÜniversitesiBitki Koruma Ana Bilim Dalı
PROF. DR. AHMET ÇITIR
- Buhar kullanılan bir üretim tesisinin termodinamik açıdan incelenmesi
Thermodynamic analysis of a steam using production plant
BUSE ORTAÇ
Yüksek Lisans
Türkçe
2015
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP DÜRRİYE BİLGE
- Kuru koşullarda çerezlik ayçiçeği (Helianthus annuus L.) yetiştiriciliğinde gidya uygulamasının bazı toprak ve bitki özelliklerine etkisi
Effect of gyttja application on some plant and soil propertie in confectionary sunflower (Helianthus annuus L.) cultivation at dry condition
ÖMER FARUK YILDIRIM
Yüksek Lisans
Türkçe
2015
ZiraatKahramanmaraş Sütçü İmam ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. KADİR SALTALI
- Farklı besin ortamlarında Lentinus edodes (SHIITAKE) mantarının kültürasyonu ve karakterizasyonu
Lentinus edodes mushroom cultivation in different substrates and its characterization
NAHİDE BEŞİKCİ
Yüksek Lisans
Türkçe
2015
Gıda MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiOrman Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. M.HAKKI ALMA