Geri Dön

Tarım ürünlerinin görüntü işleme ve yapay sinir ağlarıyla sınıflandırılması

Classification of agricultural products using image processing and artificial neural networks

  1. Tez No: 874628
  2. Yazar: SADETTİN EMRE YALÇIN
  3. Danışmanlar: DR. AHMET ANIL MÜNGEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 78

Özet

Tarım ürünleri insanların yaşantılarında önemli bir rol oynamaktadır. Tarım ürünlerinin elde edilmesi hava koşullarına, istenmeyen bitkilerin artmasına, ürün verimliliğinin azalmasına ve toplama sırasında oluşabilecek sorunların bertaraf edilmesine bağlıdır. Eğer bu etkiler sağlanmaz ise tarım ürünlerinin üretimi zorluk göstermektedir. Tarım verimliliğinin en büyük sorunlarından biri sayılan istenmeyen bitkiler, ekilen ürünlerin topraktan yeterli ihtiyaçlarını karşılayamadığından ve suyun bitkiler tarafından kullanılmasından kaynaklı ürün verimliliği ve gereksiz su kullanımına sebep olmaktadır. Bu sorunlar iş yükünü arttırdığı gibi sürdürülebilirlik ve doğal ürünler yetiştirmenin önüne geçmektedir. Bu ve bunun gibi sorunların önüne geçmek için kimyasal maddeler ve yüksek insan gücüne ihtiyaç duyulmaktadır. Herbisit kimyasal maddelerinin kullanımı sonucunda istenmeyen bitkileri yok ettiği gibi toprağa ve ekilen mahsule zarar verdiği bilinmektedir. Bu çalışmada amaç zorlayıcı ve sağlıksız yöntemlerin önüne geçmek için yapılan görüntü işleme ve yapay zeka çalışmaları araştırılmıştır. Araştırmalar sonucunda daha uygun ve hızlı çözüm bulmak için yapılan çalışmalar karşılaştırılmıştır. Kullanılan yöntemler ve veriler kontrol edilip daha iyi bir çözüm bulmak için tartışılmıştır. Karşılaştırılan bu yöntemler tartışılıp ideal sonuç için fikirler elde edilmiştir. Elde edilen fikirler neticesinde yüksek sayıda veri örneği ve ESA yapıları üzerinde çalışmanın uygun olduğuna karar verilmiştir. Yapılan tez çalışmamızda halihazırda eğitilmiş, Tensorflow Nesne Tespiti API'sinin ve YOLO nesne tanıma ESA modellerinin üzerinde pancar bitkisinin tespiti üzerinde eğitilirken lisans sorunu yaşanmaksızın her ortamda kullanılabilmesi için sistemin açık kaynak koduna sahip olması, hızlı çalışması ve kullanımının kolay olması hedeflenmiştir. Modeller için uygun ortamlar hazırlandıktan sonra modellerin eğitilmesi için veri seti hazırlanmış, toplamda 106.823 görüntün etiketlenme işlemi gerçekleştirilmiştir. Bu işlemler sonunda toplamda 6 adet ESA modeline eğitim için hazırlanan veriler giriş olarak tanımlanıp eğitimler gerçekleştirilmiştir. Hazırlanan modellerin birlikte kullanımları sonucunda elde edilen başarım oranları karşılaştırılıp en uygun ve hızlı sonuçlardan biri Yolo-v8 ve EfficientDet modellerinin birlikte kullanılması sonucu elde edilmiştir.

Özet (Çeviri)

Agricultural products play an important role in people's lives. Obtaining agricultural products depends on weather conditions, the increase of unwanted plants, the decrease in product productivity and the elimination of problems that may occur during collection. If these effects are not achieved, the production of agricultural products will be difficult. Unwanted plants, which are considered one of the biggest problems of agricultural productivity, cause product inefficiency and unnecessary water usage due to the inability of the planted products to meet sufficient needs from the soil and the use of water by the plants. These problems increase the workload and prevent sustainability and growing natural products. To prevent these and similar problems, chemicals and high manpower are needed. It is known that the use of herbicide chemicals not only destroys unwanted plants but also damages the soil and the planted crops. In this study, image processing and artificial intelligence studies were investigated to prevent coercive and unhealthy methods. As a result of the research, the studies carried out were compared to find a more appropriate and faster solution. The methods and data used were checked and discussed to find a better solution. These compared methods were discussed and ideas were obtained for the ideal result. As a result of the ideas obtained, it was decided that it was appropriate to work on a large number of data samples and ESA structures. In our thesis study, while training on the detection of beet plants on the already trained Tensorflow Object Detection API and YOLO object recognition ESA models, it is aimed that the system has an open source code, works fast and is easy to use so that it can be used in any environment without any license problems. After preparing suitable environments for the models, a data set was prepared to train the models, and a total of 106,823 images were labeled. At the end of these processes, the data prepared for training was defined as input to a total of 6 ESA models and training was carried out. The performance rates obtained as a result of the combined use of the prepared models were compared and one of the most appropriate and fastest results was obtained by using the Yolo-v8 and EfficientDet models together.

Benzer Tezler

  1. Multitemporal co-polar x-band sar data classification as a tool for paddy-rice phenology estimation

    Çeltik tarlası fenoloji kestirimi için çok zamanlı co-polar x-bant sar verisi üzerinde sınıflandırma yöntemi

    ÇAĞLAR KÜÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA

    YRD. DOÇ. DR. ESRA ERTEN

  2. Görüntü işleme ve kümeleme yöntemleri kullanılarak zeytin tanelerinin sınıflandırılması

    Classification of olive grains using image processing and clustering methods

    SENEM GÖNENÇ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. YÜKSEL ÖNER

  3. Bitki yapraklarındaki hastalıkların derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması

    Detection and classification of diseases in plant leaves using deep learning methods

    NADİDE YÜCEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal Üniversitesi

    Enformatik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED YILDIRIM

  4. Derin öğrenme ile tekstil tipi tanım

    Fabric classification by using deep learning

    GÖKHAN GÜRGEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  5. Buğday bitkisinin spektral yansıma değerleri ile verimi arasındaki ilişkiler

    Relations between spectral reflectance values and yield of wheat plant

    ÖZGE DEMİRTAŞ

    Doktora

    Türkçe

    Türkçe

    2023

    ZiraatEge Üniversitesi

    Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı

    PROF. DR. YUSUF KURUCU