Görüntü işleme ve yapay zekâ teknikleri kullanarak havadan alınan görüntülerin bulanıklık giderilmesi ve zararlı tespiti yapılması
Deblurring and pest detection of aerial images using image processing and artificial intelligence techniques
- Tez No: 909251
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ONAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Sivil Havacılık, Computer Engineering and Computer Science and Control, Civil Aviation
- Anahtar Kelimeler: Nesne Tespit, İHA, Görüntü İşleme Teknikleri, YOLO, Hareketli Nesne Takip, Yapay Zeka, Roboflow 3.0 Object Detection (Fast), Object Detection, Drone, Image Processing Techniques, YOLO, Moving Object Tracking, Artificial Intelligence, Roboflow 3.0 Object Detection (Fast)
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sivil Havacılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Tarımda hastalıkların tespiti, yüksek verim ve sürdürülebilir tarım uygulamalarını sağlamak için kritik bir süreçtir. Bu çalışmada, şeker pancarı yapraklarındaki zararlıların tespiti için İHA ile havadan alınan görüntüler üzerinde gelişmiş görüntü işleme tekniklerinin uygulanması araştırılmıştır. Görüntü veri kümelerinin etiketlenmesi, görüntü verilerinin işlenmeden ön hazırlığının yapılması ve model oluşturmak için Roboflow uygulaması kullanılmış, farklı algoritmalar kullanarak yeni modeller oluşturmak için Google Colab ortamında çalışmalar yapılmıştır. Model oluştururken 528 tane resim kullanılmış ve bu resimler toplamda 9840 etiketleme yapılmıştır. Bu resimlerdeki etiketleri eğitirken 6898 etiketleme eğitim için, 1953 etiketleme doğrulamak için ve 989 etiketi test etmek için kullanılmıştır. Görüntü işleme ve bilgisayarla görme görevlerini modellemek için Python dili kullanılmıştır. Ayrıca, yüksek çözünürlüklü görüntüler yakalamak için İHA'nın kullanılmasıyla resimler alınmıştır. Çalışma sonucunda Roboflow 3.0 Object Detection (Fast) algoritmasi ile en iyi sonuca ulaşılmış olup aynı etiketlemeye sahip veriler, gerçek zamanlı nesne tespitinde sıklıkla kullanılan YOLO algoritmasının versiyonları kullanarak da model oluşturulmasına rağmen Roboflow 3.0 Object Detection (Fast) algoritması kadar iyi sonuçlar vermediği görülmüştür. Eğitim çalışması sonucunda mAP(mean average precision) değeri %84.3, Doğruluk (Precision) değeri %88.2, Duyarlılık (Recall) değeri %75.3 olarak bulunmuştur. Bu araştırmada elde edilen sonuçların, tarımsal zararlı tespitine hız kazandıracağı ve önemli ilerlemelere yol açacağı düşünülmektedir. Tez çıktıları açık kaynak olarak paylaşılacak ve literatüre katılacaktır. Buna ek olarak veri setinin literatüre katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
Detecting diseases in agriculture is a critical process for ensuring high yields and sustainable farming practices. In this study, advanced image processing techniques were investigated for detecting pests on sugar beet leaves using aerial images captured by drones. The Roboflow application was used for labeling image datasets, pre-processing the image data, and creating models. New models were developed in the Google Colab environment using different algorithms. A total of 528 images were used to create the model, with 9,840 labels in total. Of these labels, 6,898 were used for training, 1,953 for validation, and 989 for testing. Python was used to model image processing and computer vision tasks. Additionally, high-resolution images were captured using a drone. As a result of the study, the Roboflow 3.0 Object Detection (Fast) algorithm provided the best results. Although models were also created using various versions of the YOLO algorithm, which is frequently used in real-time object detection with the same labeling data, these did not perform as well as the Roboflow 3.0 Object Detection (Fast) algorithm. The training yielded an mAP (mean Average Precision) of 84.3%, Precision of 88.2%, and Recall of 75.3%. The results obtained from this research are expected to accelerate the detection of agricultural pests and lead to significant advancements. The thesis outputs will be shared as open source and contribute to the literature. Additionally, it is anticipated that the dataset will provide valuable contributions to the field.
Benzer Tezler
- Havadan alınan termal kamera görüntülerinde canlı tasnifinin yapılmasında derin öğrenme tabanlı tekniklerin uygulanması
Application of deep learning-based techniques for performing live sorting on aerial thermal camera images
HALİL USLU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Investigation of artificial intelligence-based point cloud semantic segmentation
Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi
MUHAMMED ENES ATİK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Halkasal eksantrik borularda akış özelliklerinin dijital görüntü işleme ve yapay zeka teknikleri kullanarak tespiti
Estimation of flow properties in eccentric annulus using digital image processing and artificial intelligence techniques
HÜSNÜ ERTAN YÜKSEL
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET MURAT ÖZBAYOĞLU
- Yapay zekâ destekli otomatik çapa makinesi tasarımı
Artificial intelligence supported automated hoeing machine design
AHMET KARATAŞ
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ YAŞAR