Sığırlarda retina biyometrisi ile görüntü işleme tabanlı kimliklendirme ve tanıma
Image processing-based identification and recognition in cattle using retinal biometrics
- Tez No: 915326
- Danışmanlar: DOÇ. DR. PINAR CİHAN, DOÇ. DR. AHMET SAYGILI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Retina Kimliklendirme, Hayvan Tanıma, Derin Öğrenme, Görüntü İşleme, SIFT, SURF, U-Net, SA-UNet, UNet++, Retinal Identification, Animal Recognition, Deep Learning, Image Processing, SIFT, SURF, U-Net, SA-UNet, UNet++
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tekirdağ Namık Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, geleneksel kimliklendirme yöntemlerinin sığırlarda enfeksiyon, ağrı ve kimlik kaybı gibi zarar verici etkilerine çözüm getirmek amacıyla sığır retina tabanlı kimliklendirme ve tanıma sistemi geliştirmektedir. Çalışmada hem klasik görüntü işleme hem de derin öğrenme yöntemleri kullanılarak geniş bir veri seti oluşturulmuş ve işlenmiştir. İlk olarak, 300 sığırdan 2460 retina görüntüsü toplanmıştır. Klasik yöntemler çerçevesinde yeşil kanal seçimi, CLAHE histogram eşitleme, morfolojik işlemler, görüntü çıkarımı ve gürültü filtreleme uygulanmış; retinal damar segmentasyonu için Bulanık C-Ortalamalar, K-Ortalamalar ve Level-Set yöntemleri kullanılmıştır. Öznitelik çıkarımı aşamasında BRISK, FAST, HARRIS, SIFT ve SURF tekniklerinin performansları değerlendirilmiştir. Klasik yöntemlere dayalı kimliklendirme sisteminde K-Ortalamalar + SIFT kombinasyonuyla %95.6 doğruluk oranına ulaşılmış; tanıma aşamasında ise Level-Set + SIFT yaklaşımıyla %87.9 doğruluk elde edilmiştir. Derin öğrenme tabanlı yöntemlerde U-Net, SA-UNet ve UNet++ modelleri elle etiketlenmiş görüntüler ve veri artırma teknikleri ile eğitilmiştir. Özellikle U-Net modeli, retina damar segmentasyonunda %97.4 doğrulama başarısıyla öne çıkmıştır. U-Net tabanlı tanıma sisteminde de HARRIS öznitelik çıkarma yöntemiyle %88.6 doğruluk elde edilmiştir. Elde edilen sonuçlar, retinal görüntülerden kimliklendirme ve tanıma işlemlerinin başarıyla gerçekleştirilebileceğini; derin öğrenme tabanlı yaklaşımların klasik yöntemlere kıyasla daha yüksek doğruluk ve güvenilirlik sağladığını ortaya koymaktadır. Bu yaklaşımın, sığır hırsızlığı ve kimlik hilelerini engelleyerek hayvanların zarar görmesini önlemede etkili bir yöntem olduğu sonucuna varılmıştır.
Özet (Çeviri)
This thesis aims to develop a cattle retina-based identification and recognition system to address the harmful effects of conventional identification methods on cattle, such as infection, pain, and identity loss. A large dataset was collected and processed using both classical image processing and deep learning methods. Initially, 2,460 retina images were acquired from 300 cattle. Within the scope of classical methods, green channel selection, CLAHE histogram equalization, morphological operations, image subtraction, and noise filtering were applied. Fuzzy C-Means, K-Means, and Level-Set methods were employed for retinal vessel segmentation. The performance of BRISK, FAST, HARRIS, SIFT, and SURF techniques was evaluated for feature extraction. In the classical-method-based identification system, a combination of K-Means and SIFT achieved an accuracy of 95.6%, while in the recognition phase, the Level-Set + SIFT approach reached 87.9% accuracy. For deep learning-based methods, the U-Net, SA-UNet, and UNet++ models were trained using manually annotated images and data augmentation techniques. U-Net, in particular, stood out with a 97.4% validation accuracy in retinal vessel segmentation. Furthermore, the U-Net-based recognition system attained an 88.64% accuracy using the HARRIS feature extraction method. The results demonstrate that identification and recognition tasks can be successfully carried out using retinal images, and that deep learning-based approaches offer higher accuracy and reliability compared to classical methods. It is concluded that this approach can effectively prevent cattle theft and identity fraud, thereby reducing harm to the animals.
Benzer Tezler
- IgM, IgG ve lgA romatoid faktörlerin değişik artritli hasta gruplarında mikro-ELISA test yöntemiyle ölçülmesi
Başlık çevirisi yok
BAHRİYE KEŞ
- Ege Bölgesi Zirai Araştırma Enstitüsü'nün sığırcılık çalışmalarının teknik yönden incelenmesi üzerine bir çalışma
Başlık çevirisi yok
DURMUŞ TUFAN YILDIZ
- Sınıf geçme statüsü uygulanan fakültelerde öğrenci hareketliliğinin Markov modeli
Markov model of student mobility in the faculties requiring student passes in every subject
M. CENGİZ TAPLAMACIOĞLU
- Ankara mezbahasında kesilen ruminantlarda paramphistomiasis'in yayılışı ve görülen türler
Distribution of paramphistomum species in different ruminants slaughtered in Ankara abattoir
ŞEVKİ ZİYA COŞKUN
