Ayçiçeği bitkisinin gelişim evrelerinin görsel dönüştürücüler ile tespiti ve diğer derin öğrenme modelleri ile karşılaştırılması
Detection of development stages of sunflower plant using visual transformers and comparison with other deep learning models
- Tez No: 891767
- Danışmanlar: DR. ÖĞR. ÜYESİ CEM TAŞKIN
- 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: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
İnsanlık tarihi boyunca pek çok önemli devrim gerçekleşmiştir, bunların başında“Tarım Devrimi”,“Sanayi Devrimi”ve 20. Yüzyılın ikinci yarısından itibaren gelişim gösteren bilgisayarların, internetin ve dijital teknolojilerin bilgiye erişim ve iletişim biçimlerini köklü bir şekilde değiştiren“Bilişim ve Dijital Devrim”gelmektedir. Tarihsel olarak bu devrimler, toplumların yapısını, çalışma alanlarını, ekonomilerini, teknolojilerini ve kültürlerini köklü bir şekilde değiştirmiştir. Günümüzde tarım sektörü, dünya nüfusunun artması, iklim değişiklikleri ve doğal kaynakların sınırlı olması nedeniyle küresel meydan okumalar karşısında daha verimli ve sürdürülebilir üretim yöntemleri geliştirme zorunluluğuyla karşı karşıya kalmıştır. Bu sebeple, hassas tarım uygulamaları ve yapay zekâ teknolojilerinin entegrasyonu, tarımsal verimliliği artırmada ve çevresel etkileri azaltmada kritik bir rol oynamaktadır. Özellikle, bitkilerin gelişim süreçlerinin doğru bir şekilde izlenmesi ve analiz edilmesi, kaynak kullanımını optimize etmek ve ürün kalitesini iyileştirmek için büyük önem taşımaktadır. Bu çalışmada, ayçiçeği bitkisinin gelişim evrelerinin takibi ve analizi üzerine odaklanılmıştır. Hassas tarım uygulamaları kapsamında Trakya Tarımsal Araştırma Enstitüsü Müdürlüğü'nün ekim alanlarında 4'er dekarlık 13 bloktan oluşan yaklaşık 50 dönümlük arazide Canon EOS 700D cihazıyla ekim ve hasat dönemlerine uygun olarak toplanan 10502 adet veri, gelişim evreleri dikkate alınarak 7 sınıfa ayrılmış ve yapay zekâ yöntemleriyle işlenerek anlamlı sonuçlar elde edilmesi hedeflenmiştir. Çalışmada, derin öğrenme ve konvolüsyonel sinir ağları gibi modern yapay zekâ tekniklerinden VGG16, VGG19, İnceptionResNetV2 ve ViT modelleri ve Sgd, AdaGrad ve Adam optimizatörleri kullanılarak, ayçiçeği gelişim sürecinin farklı aşamalarını tanımlamak ve bu süreçleri yüksek doğrulukla modellemek amaçlanmıştır. Ayrıca, transformer modelleri gibi ileri düzey algoritmaların tarımsal veri analizi üzerindeki potansiyel etkileri de incelenmiştir. Araştırmamızın ilk bölümünde, hassas tarım ve yapay zekâ entegrasyonunun teorik temelleri detaylandırılmış, ilgili literatür taraması yapılarak konuya dair mevcut bilgiler özetlenmiştir. Devam eden bölümlerde, ayçiçeği bitkisinin gelişim evreleri hakkında bilgi verilmiş ve veri toplama süreçleri ayrıntılı olarak açıklanmıştır. Daha sonra, derin öğrenme modellerinin eğitilmesi ve test edilmesi aşamaları ele alınmış, elde edilen sonuçların tarımsal uygulamalar açısından değerlendirilmesi yapılmıştır. Bu çalışma, hem akademik hem de pratik düzeyde tarım teknolojilerinin geliştirilmesine katkı sağlamayı amaçlamaktadır. Tarım sektöründe verimliliği artırmak ve sürdürülebilir üretim yöntemlerini desteklemek adına, yapay zekâ ve derin öğrenme tekniklerinin kullanımının önemini vurgulayan bu araştırmanın, tarımsal üretimde dijital dönüşüme katkı sunması ve gelecekteki araştırmalara kaynak sağlaması hedeflenmektedir.
Özet (Çeviri)
Throughout human history, several significant revolutions have taken place, chief among them being the Agricultural Revolution, the Industrial Revolution, and the Information and Digital Revolution, which emerged in the second half of the 20th century with the advent of computers, the internet, and digital technologies. These revolutions have fundamentally transformed societies, workplaces, economies, technologies, and cultures. Today, the agricultural sector faces global challenges such as population growth, climate change, and limited natural resources, necessitating the development of more efficient and sustainable production methods. Consequently, the integration of precision agriculture practices and artificial intelligence technologies plays a critical role in enhancing agricultural productivity and reducing environmental impacts. Particularly, accurately monitoring and analyzing the developmental stages of plants is crucial for optimizing resource use and improving product quality. This study focuses on tracking and analyzing the developmental stages of the sunflower plant. Within the scope of precision agriculture applications, data collected using a Canon EOS 700D from approximately 50 acres of land, consisting of 13 blocks of 4 acres each, at the Trakya Agricultural Research Institute's fields, were classified into seven categories based on their developmental stages. A total of 10502 data points were processed using artificial intelligence methods to obtain meaningful results. The study aimed to define and accurately model the different stages of sunflower development using modern AI techniques such as deep learning and convolutional neural networks, including VGG16, VGG19, InceptionResNetV2, and ViT models, alongside optimizers like SGD, AdaGrad, and Adam. Additionally, the potential impacts of advanced algorithms like transformer models on agricultural data analysis were explored. In the first part of our research, the theoretical foundations of precision agriculture and AI integration are detailed, and a literature review is provided to summarize existing knowledge on the subject. Subsequent sections offer comprehensive information on the developmental stages of the sunflower plant and explain the data collection processes in detail. The phases of training and testing deep learning models are then discussed, and the results are evaluated in terms of their implications for agricultural applications. This study aims to contribute to the development of agricultural technologies at both academic and practical levels. By emphasizing the importance of using AI and deep learning techniques to enhance productivity and support sustainable production methods in the agricultural sector, this research seeks to contribute to the digital transformation in agricultural production and serve as a resource for future studies.
Benzer Tezler
- Ayçiçeği bitkisinin gelişim evrelerinin derin öğrenme teknikleri kullanılarak tespiti
Detection of developmental stages of sunflower plant using deep learning techniques
GÜLAY KARAHANLI
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEM TAŞKIN
- Trakya'da su ayak izinin tarımsal ekosistemde belirlenmesi ve modellenmesi
Determination and modelling water footprint in agricultural ecosystem in thrace region
SERHAN YEŞİLKÖY
Doktora
Türkçe
2020
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT ŞAYLAN
- Topraktan ve yapraktan uygulanan bor kaynaklarının ayçiçeği bitkisinin gelişimi ve kimi besin elementlerinin alınımı üzerine etkisi
Effects of soil and foliar applied boron resources on plant growth and uptake of some nutrient elements of the sunflower
ZAFER BEŞTAŞ
Yüksek Lisans
Türkçe
2015
ZiraatUludağ ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
DOÇ. DR. HAKAN ÇELİK
- Farklı ekim bölgelerindekiayçiçeği ekili alanlarının uzaktan algılama tekniği ile belirlenmesi üzerine bir araştırma
A research on determining sunflower planted area by remote sensing technique in different planting zones
ECE GÖNECİ
Doktora
Türkçe
2019
ZiraatEge ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. YUSUF KURUCU