Otonom çim biçme robotu tasarımı, yapımı ve uygun derin öğrenme tekniklerinin seçimi
Design, construction, and selection of appropriate deep learning techniques for an autonomous lawn mowing robot
- Tez No: 933538
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER UYSAL
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Tarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Bu tez çalışmasında, otonom çim biçme robotu için derin öğrenme tekniklerinin araştırılması gerçekleştirilmiştir. Çevresel algılama ve karar verme süreçlerini iyileştirmek amacıyla, derin öğrenmeye dayalı bir görsel tanıma sistemi tasarlanarak tarım ve peyzaj uygulamaları için çalışma yapılmıştır. Çalışmanın temel amacı, insan müdahalesini en aza indirerek insan gücünden ve zamandan verimlilik sağlayan bir otonom sistem sunmaktır. Çim biçme işleminin güvenli, hassas ve kesintisiz bir şekilde gerçekleştirilmesi için çim, toprak ve sınır sınıflandırması yapılmıştır. Bu amaçla, derin öğrenme modelleri VGG16, VGG19, MobileNet, ResNet18 ve ResNet50 transfer öğrenme teknikleri kullanılarak eğitilmiştir. Transfer öğrenme, geniş veri setlerinde eğitilmiş model ağırlıklarının uyarlanmasını sağlayarak hem eğitim süresini kısaltmış hem de modelin verimliliğini artırmıştır Elde edilen sonuçlar, VGG16 ve VGG19 modellerinde 1.0 doğruluk sağladığını göstermiştir. Bu çalışma, yapay zeka tabanlı derin öğrenme tekniklerinin otonom robotik sistemlerdeki yenilikçi uygulamalarını ortaya koyarak modern tarım ve peyzaj uygulamalarında verimlilik ve kolaylık sağlamaktadır.
Özet (Çeviri)
In this thesis study, deep learning techniques were investigated for an autonomous lawn mowing robot. A vision-based recognition system, utilizing deep learning, was designed to improve environmental perception and decision-making processes, with a focus on agricultural and landscaping applications. The primary objective of the study is to present an autonomous system that minimizes human intervention, thereby increasing efficiency in terms of labor and time. To ensure that the lawn mowing process is performed safely, accurately, and continuously, grass, soil, and boundary classification was conducted. For this purpose, deep learning models such as VGG16, VGG19, MobileNet, ResNet18, and ResNet50 were trained using transfer learning techniques. Transfer learning enabled the adaptation of pre-trained model weights from large datasets, thereby reducing training time and enhancing model efficiency. The results demonstrated that VGG16 and VGG19 models achieved an accuracy of 1.0. This study highlights the innovative applications of artificial intelligence-based deep learning techniques in autonomous robotic systems, providing efficiency and convenience for modern agriculture and landscaping applications.
Benzer Tezler
- Development of an autonomous lawn mower with minimalist hardware approach
Minimalist donanım yaklaşımı ile otonom çim biçme robotu geliştirilmesi
SERKAN ÇİÇEK
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN İLHAN KONUKSEVEN
YRD. DOÇ. DR. AHMET BUĞRA KOKU
- Meyve hasadına yardımcı yapay zeka tabanlı bir otonom araç tasarımı
Design of an artificial intelligence based autonomous vehicle assisting fruit harvest
DİLARA KOÇ
Doktora
Türkçe
2024
ZiraatAnkara ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA VATANDAŞ
- Açık kaynaklı otonom insansız bir hava aracının geliştirilmesi
Development of an open-source autonomous unmanned aerial vehicle
GÖKBERK KÖKDEMİR
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ ZAFER
- Otonom araçlar için derin öğrenme tabanlı şerit tespit modellerinin performans karşılaştırması
Performance comparison of deep learning based lane detection models for autonomous vehicles
MUHAMMED SAİD ATAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAHYA DOĞAN
DR. ÖĞR. ÜYESİ CÜNEYT ÖZDEMİR
- Autonomous ship recognition from color images
Renkli resimlerden otomatik gemi tanımlama
DENİZ KUMLU
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiUniversity of Southern CaliforniaElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. B. KEITH JENKINS