Transfer öğrenme, özellik seçimi ve makine öğrenmesi yöntemlerine dayalı karma bir yaklaşım ile nohut tohumu çeşitlerinin çoklu sınıflandırılması
Multiple classification of chickpea seed varieties with a hybrid approach based on transfer learning, feature selection, and machine learning methods
- Tez No: 872398
- Danışmanlar: DR. ÖĞR. ÜYESİ NESİBE YALÇIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
İnsanın yaşamını sağlıklı bir şekilde idame ettirebilmesi için yeterli ve dengeli beslenmesi oldukça önemlidir. Proteinler, insan vücudunun ihtiyaç duyduğu temel besin öğeleri içerisinde yer alır. Kaliteli protein kaynaklarından biri nohut bitkisidir. Bununla birlikte kuru ve sıcak koşullara dayanıklı olması, küresel ısınma (beraberinde iklim değişikliği) ve artan dünya nüfusu dikkate alındığında nohutun önemini daha da artırmaktadır. Bu tez çalışmasında, tohum seçimi problemine nohut bitkisi çerçevesinde odaklanılmış ve nohut çeşitlerinin yüksek başarımla sınıflandırılması için yapay zeka tabanlı karma yöntemler önerilmiştir. Söz konusu yöntemler, transfer öğrenme (transfer learning, TL) yaklaşımıyla üç ön eğitimli model (ResNet50, DenseNet201 ve EfficientNetB0) kullanılarak özellik çıkarımını, ReliefF algoritması ile en önemli özelliklerin seçimini ve makine öğrenmesi algoritmaları kullanılarak nohut tohumlarının çeşitlerine göre sınıflandırılmasını içermektedir. Sınıflandırma işlemi için Destek Vektör Makinesi (Support Vector Machine, SVM), K En Yakın Komşu, Naïve Bayes ve Doğrusal Diskriminant Analizi (Linear Discriminant Analysis, LDA) algoritmaları kullanılmış ve en başarılı karma yöntemler olan TL+SVM ve TL+LDA ile sırasıyla 0,944 ve 0,940 doğruluk elde edilmiştir. Hisar ve İnci, en az hata ile sınıflandırılan nohut çeşitleri olmuştur. Tez sonuçları, tarımda nohut sınıflandırma problemi için umut vericidir. Önerilen yöntemler, nohut sınıflandırma görevlerini otomatik gerçekleştirmek amacıyla akıllı telefon uygulamalarına ve bilgisayarlı görü sistemlerine entegre edilebilir.
Özet (Çeviri)
Adequate and balanced nutrition is very important for a person to sustain healthy life. Proteins are among the essential nutrients needed by the human body. In addition, it is resistant to dry and hot conditions. This further increases the importance of chickpeas when global warming (accompanied by climate change) and the expanding world population are taken into consideration. This thesis focuses on the chickpea seed classification problem and proposes high-performance artificial intelligence based hybrid methods. The methods include feature extraction using three pre-trained models (ResNet50, DenseNet201 and EfficientNetB0) with a transfer learning (TL) approach, selection of the most important features with the ReliefF algorithm, and classification of chickpea seeds according to their types using machine learning algorithms. Support Vector Machine (SVM), K Nearest Neighbor, Naïve Bayes, and Linear Discriminant Analysis (LDA) algorithms have been used for the classification process. TL+SVM and TL+LDA, which are the most successful hybrid methods in classifying chickpea varieties, have accuracy rates of 0.944 and 0.940, respectively. Hisar and İnci are the chickpea varieties classified with the minimum error rates. The results obtained within the scope of the thesis study are promising for the chickpea classification problem in agriculture. The proposed methods can be integrated into smartphone applications and computer vision systems to automatically perform chickpea classification tasks.
Benzer Tezler
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Neural language modelling approaches for post-ocr text processing
Optik karakter tanıma sonrası metin işleme adımı için sinirsel dil modelleri yaklaşımları
AYŞE İREM TOPÇU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Yapay zeka teknikleri kullanılarak mikro ifadelerin tespiti ve sınıflandırılması
Detection and classification of microexpressions using artificial intelligence techniques
MEHMET ZAHİT UZUN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÇELİK
DOÇ. DR. ERDAL BAŞARAN
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- CNN-based server state monitoring and fault diagnosis using infrared thermography
Kızılötesi termografi kullanarak CNN tabanlı sunucu durumu izleme ve arıza teşhisi
BELTUS NKWAWİR WİYSOBUNRİ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA SALİH ERDEN
PROF. DR. BEHÇET UĞUR TÖREYİN