Ege Bölgesinde yenilebilen ve yenilemeyen yabani otların derin öğrenme yöntemi ile tespiti
Detection of edible and non-edible weeds in the Aegean Region by deep learning method
- Tez No: 912834
- Danışmanlar: DOÇ. DR. ŞEBNEM BORA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ziraat, Computer Engineering and Computer Science and Control, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 82
Özet
Tarımda sürdürülebilirlik, dünyanın içinde bulunduğu ve son yıllarda etkisinin hissedildiği küresel ısınma ve iklim değişikliğinde önem arz eden konuların başında gelmektedir. Kültür bitkilerine talep artarken bilinçsiz kaynakların kullanımı ve gereğinden fazla gübreleme veya ilaçlama yapılması tarımsal alanların ve kültür bitkisinin kalite ve verimini azaltmaktadır. Bu durum yabani ot popülasyonun artışına neden olabilmektedir ve bu yüzden tarımdaki sürdürülebilirlik tehlikeli boyutlara ulaşabilmektedir. Tarlalarda yetiştirilmesi hedeflenen kültür bitkisi haricinde kalan bitkiye yabani ot denilmektedir. Bu otlar genelde istenmeyen ve hızlıca çoğalarak kültür bitkisinin kaynaklarını tüketirler. Yabani otların kontrol altına alınması, çiftçiler için hem kaynak hem de zaman bakımından maliyetlidir ve tarımsal alandaki kültür bitkisinin verimini olumsuz yönde etkilemektedir. Bu çalışma, yabani otların derin öğrenme yöntemleri kullanılarak tespit edilmesine olanak sağlayarak kullanıcılar için hem kaynak hem de zaman açısından maliyeti azaltmayı hedeflemiştir. Literatürdeki çalışmalardan farklı olarak Ege Bölgesinde bulunan ve 22 tanesi yenilebilir 15 tanesi yenilemez toplam 37 yabani ot türünün olduğu veri kümesi oluşturulmuş ve Tensorflow içerisindeki bulunan 71 adet derin öğrenme yöntemleri bu veri seti üzerinde test edilmiştir. Orijinal veri kümesi ve veri artırımı yapılmış veri kümesi kullanarak derin öğrenme mimarileri eğitilmiş ve en yüksek doğruluk değerine sahip ilk 5 derin öğrenme modeli listelenmiştir. Orijinal veri kümesinde sırasıyla en yüksek doğruluk değerine sahip ilk 5 model ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 ve ResNet50'dir. Veri artırımı yapılmış veri kümesinde ise sırasıyla en yüksek doğruluk değerine sahip ilk 5 model ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 ve ResNetRS152'dir. Bu sonuçların arasından en yüksek doğruluk değerini veri artırımı yapılmış veri kümesinde %99,05±%1,00 ile ConvNeXtXLarge olmuştur. Oluşturulan derin öğrenme modeli Flutter ile mobil uygulamaya entegre edilerek modelin gerçek hayat uygulanabilirliği ve davranışı test edilmiştir.
Özet (Çeviri)
Sustainability in agriculture is one of the most important issues in global warming and climate change, the effects of which have been felt in recent years. While the demand for cultivated plants is increasing, the unconscious use of resources and excessive fertilization or spraying reduces the quality and yield of agricultural areas and cultivated plants. This can lead to an increase in weed populations, and therefore the sustainability of agriculture can reach dangerous levels. Weeds are plants other than cultivated crops that are intended to be grown in the fields. These weeds are generally undesirable and multiply rapidly, depleting the resources of the cultivated plant. Controlling weeds is costly for farmers in terms of both resources and time and negatively affects the yield of the crop in the agricultural area. \paragraph{ }This study aims to reduce the cost in terms of both resources and time for users by enabling the detection of weeds using deep learning methods. Unlike the studies in the literature, a dataset of 37 weed species in the Aegean Region, 22 of which are edible and 15 of which are inedible, was created and 71 deep learning methods in Tensorflow were tested on this dataset. Deep learning architectures were trained using the original dataset and the augmented dataset and the top 5 deep learning models with the highest accuracy were listed. In the original dataset, the top 5 models with the highest accuracy are ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 and ResNet50. In the data augmented dataset, the top 5 models with the highest accuracy are ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 and ResNetRS152. Among these results, ConvNeXtXLarge has the highest accuracy value with 99.05%±1.00% in the data set with data augmentation. The deep learning model was integrated into the mobile application with Flutter to test the real-life applicability and behavior of the model.
Benzer Tezler
- Ege bölgesinde baklagillerde görülen virüs hastalıklarının tanılanması ve tohumla taşınma durumlarının belirlenmesi üzerinde araştırmalar
Investigations on the detections and seed transmissions of the virus diseases occurring on the plantings of pulse crops in Aegean Region
ÜLKÜ FİDAN
- Cnicus benedictus'un besleyici ve kimyasal özelliklerinin belirlenmesi
Determination of chemical and nutritional properties of Cnicus benedictus L.
DİLEK DÜLGER
Yüksek Lisans
Türkçe
2012
Gıda MühendisliğiUludağ ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YASEMİN ŞAHAN
- Orta ölçekli bir otelin elektrik enerjisinin hibrit sistemler ile modellenmesi ve optimizasyonu
Modelling and optimization of medium-sized hotel's electrical energy with hybrid systems
MEHMET ERCAN DİNÇSOY
Yüksek Lisans
Türkçe
2010
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. ÖNDER GÜLER
- Yenilebilir endemik bitkilerin zeytinyağlı yemeklerde kullanımı: Seferihisar örneği
Usage of indigenous edible plants on olive oil meals: Seferihisar case
MERT İSKENDEROĞLU
Yüksek Lisans
Türkçe
2018
Beslenme ve DiyetetikBalıkesir ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
DOÇ. DR. MEHMET SARIOĞLAN
- Ege bölgesine adaptasyonu sağlanan bazı Avrupa erik çeşitlerinin (P.domestica) kimyasal kompozisyonu ve besin değeri üzerine araştırmalar
Başlık çevirisi yok
HASAN YILDIZ
Yüksek Lisans
Türkçe
1996
Gıda MühendisliğiCelal Bayar ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ.DR. CEVDET NERGİZ