Tarım ürünlerinin görüntü işleme ve yapay sinir ağlarıyla sınıflandırılması
Classification of agricultural products using image processing and artificial neural networks
- Tez No: 874628
- Danışmanlar: DR. AHMET ANIL MÜNGEN
- 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: OSTİM TEKNİK ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- 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
- 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
2016
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA
YRD. DOÇ. DR. ESRA ERTEN
- Görüntü işleme ve kümeleme yöntemleri kullanılarak zeytin tanelerinin sınıflandırılması
Classification of olive grains using image processing and clustering methods
SENEM GÖNENÇ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. YÜKSEL ÖNER
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED YILDIRIM
- Derin öğrenme ile tekstil tipi tanım
Fabric classification by using deep learning
GÖKHAN GÜRGEN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Buğday bitkisinin spektral yansıma değerleri ile verimi arasındaki ilişkiler
Relations between spectral reflectance values and yield of wheat plant
ÖZGE DEMİRTAŞ
Doktora
Türkçe
2023
ZiraatEge ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. YUSUF KURUCU