Image-based machine learning for soil type classification and implications for crop strategy
Toprak türü sınıflandırması için görüntü tabanlı makine öğrenimi ve ürün stratejisine yönelik uygulamalar
- Tez No: 849563
- Danışmanlar: Assist. Prof. OĞUZ KARAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Toprak sınıflandırması tarım, inşaat ve çevre çalışmaları gibi çeşitli alanlarda hayati bir görevdir. Mevcut tez, sağlam ve verimli bir toprak sınıflandırma sistemi geliştirmek için Yapay Zekanın (AI) gücünden yararlanmaktadır. Beş farklı toprak türünü temsil eden 592 görüntüden oluşan seçilmiş bir veri kümesi kullanan çalışma, bu toprak görüntülerini işlemek ve sınıflandırmak için Evrişimli Sinir Ağları (CNN'ler), InceptionV3 ve MobileNetV2 dahil olmak üzere farklı derin öğrenme (DL) çerçevelerini araştırıyor. Metodoloji, veri seti genelinde tekdüzeliğin sağlandığı bir ön işleme aşamasını ve ardından seçilen modellerin uygulanmasını içerir. Test edilen modeller arasında MobileNetV2 %95 gibi benzersiz bir doğruluk oranına ulaşarak öne çıkarken, CNN ve InceptionV3'ün her biri sırasıyla %85 ve %93 doğruluk oranına ulaştı. Kapsamlı değerlendirme, MobileNetV2 modelinin olağanüstü yeterliliğini doğrulayan karışıklık matrislerinin ve diğer performans ölçümlerinin kullanımını içeriyordu. Bu çalışma yalnızca toprak sınıflandırma alanını geliştirmekle kalmıyor, aynı zamanda AI ve DL tekniklerinin çevresel analizlerde ve ötesinde daha geniş uygulanabilirliğini de gösteriyor.
Özet (Çeviri)
Soil classification is a vital task in various fields such as agriculture, construction, and environmental studies. The present thesis harnesses the power of Artificial Intelligence (AI) to develop a robust and efficient soil classification system. Utilizing a curated dataset of 592 images representing five different soil types, the study explores different deep learning (DL) frameworks, including Convolutional Neural Networks (CNNs), InceptionV3, and MobileNetV2, to process and classify these soil images. The methodology involves a pre-processing phase, ensuring uniformity across the dataset, followed by the application of the selected models. Among the models tested, MobileNetV2 stood out, achieving an unparalleled accuracy rate of 95%, while CNN and InceptionV3 each reached 85% and 93% accuracy, respectively. The comprehensive evaluation included the use of confusion matrices and other performance metrics, validating the exceptional proficiency of the MobileNetV2 model. This work not only advances the field of soil classification but also illustrates the broader applicability of AI and DL techniques in environmental analysis and beyond.
Benzer Tezler
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Anıtkabir çevresi yapılaşma düzeni ve çevre ilişkilerinin görsel değerlendirilmesi üzerinde uygulamalı bir araştırma
Structural developments around Anıtkabir and a research on visual evaluation of environmental relations
IŞIK UÇMAN
Yüksek Lisans
Türkçe
1987
Şehircilik ve Bölge PlanlamaAnkara ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. YALÇIN MEMLUK
- Çukurova bölgesindeki narenciye alanlarının ve 1985 yılında don olayından etkilenen alanların uydu verileri kullanılarak belirlenmesi
Başlık çevirisi yok
VEDAT PEŞTEMALCI
Doktora
Türkçe
1987
Fizik ve Fizik MühendisliğiÇukurova ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. İLHAMİ YEĞİNGİL