Geri Dön

Evrişimsel sinir ağları ile kelebek türlerinin tespiti

Detection of butterfly species with convolutional neural networks

  1. Tez No: 874939
  2. Yazar: MUSTAFA SERHAT ÖZDEMİR
  3. Danışmanlar: DOÇ. DR. HÜSEYİN HAKLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Zooloji, Computer Engineering and Computer Science and Control, Science and Technology, Zoology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 68

Özet

Kelebek türlerinin sınıflandırılması, ekosistemlerin sağlığını ve sürdürülebilirliğini korumak, çevresel değişiklikleri izlemek, bilimsel araştırmaları desteklemek ve koruma çabalarına yön vermek açısından kritik bir rol oynar. Bu nedenle, kelebeklerin doğru ve hızlı bir şekilde tanımlanması, doğa koruma ve çevre yönetimi çalışmalarının önemli bir parçasıdır. Bu bağlamda yapılan çalışmada Türkiye'de yaygın olarak görülen 49 farklı kelebek türüne ait 5624 görüntüden oluşan bir veri seti hazırlanmıştır. Veriler Train-Validation-Test Split yöntemiyle bölünmüş, ardından sekiz farklı Evrişimli Sinir Ağı kullanılarak öğrenme aktarımı yöntemi ile eğitilmiş, son olarak bu ağların doğruluk, kayıp, kesinlik, duyarlılık ve F1-skoru değerlendirme kriterleri karşılaştırılmıştır. İlk yöntemde ağların kendi içinde yer alan katmanlar kullanılmış sadece sonuna sınıflandırma katmanı eklenmiştir. İkinci yöntemde ise ağların kendi katmanlarına ek olarak yeni katmanlar eklenerek ağların öğrenmesinin iyileştirilmesi amaçlanmıştır. Bu bağlamda sekiz ağ incelendiğinde test görüntüleri üzerinde en başarılı sonuçları veren ağın katman eklemesiz yöntemde %91,09 oranı ile DenseNet201 ağında elde edilirken, katman eklenerek yapılan yöntemde bu oran %94,33 ile DenseNet201 ağı olmuştur. Ağ sonuçları incelendiğinde ikinci yöntem sonunda DenseNet201 test için ayrılan 247 görüntünün 233 adetinin sınıfını doğru tahmin etmeyi başarmıştır

Özet (Çeviri)

The classification of butterfly species plays a critical role in preserving the health and sustainability of ecosystems, monitoring environmental changes, supporting scientific research, and guiding conservation efforts. Therefore, the accurate and rapid identification of butterflies is an essential part of nature conservation and environmental management efforts. In this context, a study was conducted to prepare a dataset consisting of 5624 images of 49 different butterfly species commonly found in Turkey. The data was split using the Train-Validation-Test Split method, then trained using eight different Convolutional Neural Networks (CNNs) through transfer learning, and finally, these networks were compared based on accuracy, loss, precision, recall, and F1-score evaluation criteria. In the first method, only the classification layer was added to the existing layers of the networks. In the second method, new layers were added to the networks in addition to their existing layers to improve learning. In this context, when eight networks were examined, the network that produced the most successful results on test images was DenseNet201 with a rate of 91,09% in the method without added layers, while in the method with added layers, this rate was 94,33% with the DenseNet201 network. Upon examining the network results, it was found that the second method successfully predicted the class of 233 out of the 247 images set aside for testing.

Benzer Tezler

  1. Evrişimsel sinir ağları ile delikli bileşenlerde lehim kalitesinin sınıflandırılması

    Classification of solder quality in through hole devices with convolutional neural networks

    NESLİHAN SARIGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  2. Evrişimsel sinir ağları ile toraks BT görüntülerinden akciğer kanseri tespiti

    Detection of lung cancer on thorax CT images with convolutional neural networks

    AYMEN SALMAN DAWOOD EZZAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAHİME CEYLAN

  3. Evrişimsel sinir ağları ile ortam tarifleme

    Environment description with convolutional neural networks

    ANIL ÇETİNSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ

  4. Evrişimsel sinir ağları ile meme kanseri moleküler alt tip sınıflandırması

    Classification of breast cancer molecular subtypes using convolutional neural networks

    KADİR ÇIRAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe Üniversitesi

    Bilgisayar Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL

  5. Evrışımsel sınır ağları ıle meme kanserı hıstopatolojık görüntülerının sınıflandırılması

    Classification of breast cancer histopathological images with convolutional neural networks

    KEVIN KIAMBE ASSA

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET BABALIK