Exploring the potential of deep learning using earth observation data for cotton yield estimation
Pamuk verimi tahmini için dünya gözlem verileri kullanılarak derin öğrenme potansiyelinin keşfedilmesi
- Tez No: 934285
- Danışmanlar: PROF. DR. KORAY KAYABOL, PROF. DR. ESRA ERTEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
İklim değişikliğinin tarım ve gıda üretimi üzerindeki önemli etkisi, verim tahmini sorununu giderek daha kritik hale getirmiştir. Verimin doğru bir şekilde tahmin edilmesi, çevresel parametrelere ve bunların karmaşık etkileşimlerine bağlı olması nedeniyle zordur. Bu bağlamda, makine öğrenimi (ML), Dünya Gözlem verileri ile birlikte umut verici bir yaklaşım sunmakta ve bu çevresel faktörlerin verim üzerindeki etkisini anlamaya yardımcı olmaktadır. Bu çalışma, üç farklı makine öğrenimi yöntemi kullanarak pamuk verimini tahmin etmeye odaklanmaktadır: Çok Katmanlı Algılayıcı (MLP), Uzun Kısa Dönem Bellek (LSTM) ve XGBoost. Amaç, pamuk verimi tahminlerinin doğruluğunu artırmaktır. Çalışma, Amerika Birleşik Devletleri (CONUS) kıtasındaki beş yıllık pamuk verimi verilerini kullanarak bu yöntemlerin performansını iki ölçüt kullanarak değerlendirmektedir: R² ve kök ortalama kare hatası (RMSE). Ayrıca, modellerin yorumlanabilirliği Shapley Katkılı Açıklamalar (SHAP) değerleri kullanılarak değerlendirilmiştir.
Özet (Çeviri)
The significant impact of climate change on agriculture and food production has made the yield estimation problem increasingly critical. Accurately predicting yield is challenging due to its dependence on environmental parameters and their complex interactions. In this context, machine learning (ML), combined with Earth Observation data, offers a promising approach and aids in understanding the impact of these environmental factors on yield. This study focuses on predicting cotton yield using three different ML methods: Multi-layer Perceptron (MLP), Long Short-Term Memory (LSTM), and XGBoost. The goal is to enhance the accuracy of cotton yield predictions. The study evaluates the performance of these methods using five years of cotton yield data across the continental United States (CONUS), employing two metrics: R² and root mean square error (RMSE). Additionally, the interpretability of the models is assessed using Shapley Additive Explanations (SHAP) values.
Benzer Tezler
- Developing algorithm for automatic detection of caves using unmanned aerial vehicle data
İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi
MUSTAFA BÜNYAMİN SAĞMAN
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. ORKAN ÖZCAN
- A comparative study of YOLOv8 and faster R-CNN in fruit leaf disease detection for precision
Meyve yaprağı hastalığının tespıtı ıçın YOLOv8 ve faster R-CNN metotlarının kullanımı
ARELDI BALA
Yüksek Lisans
İngilizce
2024
ZiraatAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CAFER ÇALIŞKAN
- Kablosuz kapsül endoskopi görüntülerinin sınıflandırılması için derin öğrenme modellerinin optimize edilmesi
On optimizing deep learning model performance for wireless capsule endoscopy image classification
MOHAMED ALSHAIKH
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiErciyes ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUZAFFER KANAAN
- Exploring the capabilities of large language models in visual question answering: A new approach using question-driven image captions as prompts
Büyük dil modellerinin görsel soru yanıtlama yeteneklerinin keşfedilmesi: Soru odaklı görüntü altyazılarını istem olarak kullanan yeni bir yaklaşım
ÖVGÜ ÖZDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. ERDEM AKAGÜNDÜZ
- Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi
Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks
BERFİN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR