Classification of fish by weight with computer vision and deep learning
Bilgisayar görüsü ve derin öğrenme ile balıkların ağırlıklarına göre sınıflandırılması
- Tez No: 913546
- Danışmanlar: DOÇ. DR. AYTUĞ ONAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Robotik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Bilgisayar Görüsü ve Derin Öğrenme ile Balıkların Ağırlıklarına Göre Sınıflandırılması Bu çalışmada, görüntü işleme ve derin öğrenme kullanarak tek bir balık türünün farklı ağırlıklar için sınıflandırılmasının yapılması araştırılmıştır. Çalışmanın amacı, balık işleme tesislerinde kullanılan greyder makinesinin temel işlevini yerine getirmektir. Balık işleme tesislerinde kullanılan greyder makineleri konveyörde hareket halindeki balıkların ağırlıklarını ölçer ve o ağırlık için belirlenmiş istasyonda gruplamasını yapar. Bu sayede aynı ağırlık gruplarındaki balıkların sınıflandırılması yapılır. Çalışmada, Türk somon balıkları üzerinde veri seti toplanmıştır. Ve eğitim modeli olarak bilgisayar görüntüsü (CV) alanındaki en iyi bilinen nesne algılama ve sınıflandırma modelleri içerisinden YOLO algoritma serisindeki en yeni model olan YOLOV8 kullanılmıştır. Veri seti kümesi için çeşitli veri arttırma metotları kullanılarak veri seti zenginleştirilmiştir. Oluşturulan bir veri kümesi üzerinde eğitilen model, büyük boyutlu balıkları sınıflandırmada başarılı sonuçlar elde etmiştir. Ancak küçük boyutlu balıkların sınıflandırılmasında modelin performansı düştüğü gözlemlenmiştir. Veri kümesindeki dengesizlik bu duruma yol açmıştır. Anacak üretim yerinden alınan veri seti gerçekçi veri yoğunluğunu yansıtmaktadır. Zira üretim yerlerinde de balıkların üretimde işlenmesi için belirli bir büyüklüğe ulaşması beklenmektedir. Çalışmanın sonuçları, balıkçılık endüstrisinde otomatik balık sınıflandırması için derin öğrenme tabanlı sistemlerin potansiyelini göstermektedir. Gelecekteki çalışmalar veri kümesinin dengelenmesi, farklı veri artırma tekniklerinin kullanılması ve modelin mimarisi ile hiper parametrelerinin optimize edilmesi üzerine odaklanabilir.
Özet (Çeviri)
This study investigates the classification of a single fish species for different weights using image processing and deep learning. The aim of the study is to fulfill the basic function of the grader machine used in fish processing plants. Grader machines used in fish processing plants measure the weights of the fish moving on the conveyor and group them at the station designated for that weight. In this way, fish in the same weight groups are classified. In this study, a data set was collected on Turkish salmon. And YOLOV8, the newest model in the YOLO algorithm series among the object detection and classification models in the field of computer vision (CV), was used as the training model. The dataset was enriched by using various data augmentation methods for the dataset set. The model trained on a generated dataset achieved successful results in classifying large-sized fish. However, it was observed that the performance of the model decreased in the classification of small-sized fish. The imbalance in the dataset caused this situation. However, the dataset taken from the production site reflects realistic data density. This is because fish are expected to reach a certain size for processing in production. The results of the study show the potential of deep learning based systems for automatic fish classification in the fishing industry. Future work can focus on balancing the dataset, using different data augmentation techniques, and optimizing the architecture and hyper-parameters of the model.
Benzer Tezler
- A hybrid prediction approach using multiple linear regression and decision tree
Çoklu doğrusal regresyon ve karar ağacı kullanarak hibrit tahmin yaklaşım
MARYAM ARIF AZEEZ AZEEZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAYHAN AYAR
- Evrimsel hesaplama algoritmaları ile yapay sinir ağının bağlantı optimizasyonu
Connectivity optimization of artificial neural network with evolutionary computation algorithms
MERVE YILMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SERVET KIRAN
- İstilacı bir balık türü olan Carassius gibelio (Bloch, 1782)'nun lagenar otolit morfolojisi ve morfometrisi: Samsun (Türkiye)'daki dört populasyon arasında karşılaştırmalar
Lagenar otolith morphology and morphometry of an invasive species, Carassius gibelio (Bloch, 1782): Comparisons among four populations in Samsun (Turkey)
REFİK AKBAY
Yüksek Lisans
Türkçe
2019
BiyolojiOndokuz Mayıs ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. SAVAŞ YILMAZ
- Su elemanlarının kullanımı ve İstanbul çevre düzenlemelerindeki su elemanlarının araştırılması
The Use of water features and water elements in the landscape areas in İstanbul
KAMELYA KAVAKLI
- Hemofili hastalarının fiziksel performanslarının değerlendirilmesi
Evaluation of physical performance in hemophilia patients
HINCAL ÖZBAKIR
Tıpta Uzmanlık
Türkçe
2021
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. YEŞİM OYMAK