Vision-based robotic plant growth monitoring and learning in polyculture farming
Polikültür tarımda bitki gelişimlerinin robotla görsel izlenmesi ve öğrenimi
- Tez No: 910216
- Danışmanlar: PROF. DR. HURİYE IŞIL BOZMA AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 115
Özet
Bu tez çalışması, polikültür tarımda bir robot ile görüntü tabanlı bitki büyümesi izleme ve öğrenme problemlerine odaklanmaktadır. Polikültür tarım, toprağın hazırlan-ması ve bahçe birliklerinin oluşturulması gibi prensipleriyle monokültür tarımdan olduk-ça farklı bir tarım türüdür. Çalışmada daha önce geliştirilmiş olan üç eksenli kartezyen robot TarRob, ek geliştirmeler yapılarak kullanılmaktadır. İlk önce, robotun çalışma alanı olan bahçenin toprağı polikültür ekim prensiplerine uygun şekilde hazırlanmış ve birlik oluşturabilecek bir bitki seti seçilerek dikilmiştir. TarRob'un görev seti tüm ekili bitkilerin RGB-D görüntülerini düzenli toplama işi yapabilecek şekilde güncellenmiştir. Üç ay süresince, günde altı saat aralıkla dört kez veri toplanarak polikültür bitki veri seti oluşturulmuştur. İkinci kısımda, robotun kendi başına ve bitki türünden bağımsız olarak bitkileri ve yaprakları tespit edebilmesine yönelik modeller geliştirilmiştir. Bu modeller esasen RGB verisi kullanan YOLO derin ağları temelli olup, ek bir eğitime tabi tutulmuşlardır. Bunun için, veriseti ayrıca doğru bölütleme sonuçları içerecek şekilde genişletilmiştir. Üçüncü kısımda, RGB tabanlı kabataslak ve ince bölütleme sonuçları, derinlik verileriyle birleştirilerek her bir bitkiye ait nokta bulutunu oluşturan metodlar geliştirilmiştir. Nokta bulutu verisi kullanılarak, yükseklik, genişlik, uzunluk, alan ve yaprak sayısı gibi bitkinin yapısal özellikleri otomatik olarak hesaplayan metodlar geliştirilmiştir. En son kısmında ise, bu özelliklerin zamansal değişimleri kullanılarak bitkilerin büyüme modellerinin öğrenilmesine yönelik çalışılmalar yapılmıştır. Bu çerçevede tez, robotik, makine görme ve makine öğrenmesi alanlarını birleştirerek, polikültür tarımda bitki büyümesinin otomatik olarak izlenmesi ve analizi için kapsamlı, hızlı ve modüler bir yaklaşım sunmaktadır.
Özet (Çeviri)
This thesis is focused on vision-based robotic plant growth monitoring and learning in polyculture farming. This type of agriculture dictates special soil preparation and farming a variety of companion plants together and hence differs from monoculture agriculture. The three-axis cartesian robot TarRob endowed with vision is used. First, its workspace is set up as an indoor polyculture garden through preparing the soil and planting a variety of companion plants. The behavioral capabilities of TarRob are extended to collect RGB-D images of these plants regularly. A polyculture plant dataset is initiated by adapting a four times daily schedule six hours apart over three months. Next, learning-based models for polyculture plant detection, plant segmentation, and leaf detection have developed. These models are primarily YOLO-based models that are subjected to further training. For this, the dataset is expanded as to include ground truth segment and leaf data. Following, the computation of the structural phenotypes is considered. A three-dimensional model of each plant is constructed via combining RGB-based detection and segmentation results with the depth data and is then used to compute the major structural phenotypes including height, width, length, area, and leaf count. Finally, the temporal nature of these phenotypes is studied from the resulting time series data. In particular, various statistical methods and learning models can be used to learn how each plant type grows. This thesis presents a comprehensive, fast, and modular approach to the automated monitoring and analysis of plant growth in polyculture farming by integrating robotics with machine vision.
Benzer Tezler
- Plant detection in aerial images using deep neural networks for smart agricultural applications
Akıllı tarım uygulamaları için derin sinir ağları kullanılarak hava görüntülerinde bitki tespiti
ZEYNEP BAYRAKTAR
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NUMAN ÇELEBİ
- Yapay Zeka'nın robot görmesi üzerine uygulanması
An Application of robot vision in artificial intelligence
FUNDA PEHLİVAN
- Bir finansman modeli olarak risk sermayesi ve Türkiye'de uygulanabilirlik imkanlarının değerlendirilmesi
Başlık çevirisi yok
ALİ İHSAN ÖZEROĞLU
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Haraketli robotların kinematik değişkenlerinin tahmin edilmesi için test platform tasarımı
Test platform desing for kinematic parameter estimation of mobile robots
SEZAİ HACIOĞLU
Yüksek Lisans
Türkçe
2014
Mühendislik BilimleriHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CAN ULAŞ DOĞRUER