Ceviz çeşitlerinin derin öğrenme teknikleri kullanılarak sınıflandırılması
Classification of walnut varieties using deep learning techniques
- Tez No: 934706
- Danışmanlar: PROF. DR. MEHMET KARA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Amasya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Ceviz ağacı, tarihsel olarak hem yenilebilir meyvesi hem de yüksek kalitedeki ahşabı ile ekonomik açıdan değerli bir ağaç türü olarak öne çıkmıştır. Ceviz, Omega-3 yağ asitleri, antioksidanlar, protein ve lif gibi besin maddeleri açısından zengin olması nedeniyle sağlıklı beslenmenin önemli bir bileşeni olarak kabul edilmektedir. Ayrıca ceviz, beyin sağlığı ve kalp sağlığına katkıda bulunurken, bağışıklık sistemini güçlendiren ve iltihaplanmayı azaltan özelliklere sahiptir. Ceviz aynı zamanda, farklı mutfaklarda çeşitli yemeklerde ve tatlılarda kullanılarak gastronomi dünyasında da önemli bir yer tutmaktadır. Makine öğrenmesi alanında önemli bir yer edinen derin öğrenme, yapay sinir ağları kullanarak büyük veri kümelerindeki karmaşık yapıları ve desenleri tanımlamak, sınıflandırmak veya tahmin etmek amacıyla kullanılan bir teknolojidir. Sinir ağları yapısı içerisinde çeşitli katmanlardan oluşan derin öğrenme algoritmaları, verileri işleyerek yüksek seviyeli özellikler veya soyut kavramlar oluşturmakta ve doğrusal olmayan aktivasyon fonksiyonları kullanarak bilgileri daha karmaşık şekillerde birleştirmektedir. Tez çalışmamda, besin değeri açısından oldukça yüksek olan ceviz türlerinin sınıflandırılması amacıyla derin öğrenme metodundan yararlanılmış olup, farklı ceviz türlerinin özellikleri ve desenleri analiz edilerek besin değerine göre kategorize edilmesi hedeflenmiştir. Bu tez çalışmasında, Chandler, Fernor, Hekimhan, Kaman-1, Maraş-18 ve Oğuzlar-77 ceviz çeşitlerine ait görüntüler kullanılarak derin öğrenme tabanlı sınıflandırma gerçekleştirilmiştir. Çalışma kapsamında, Chandler türünden 408, Fernor türünden 459, Hekimhan türünden 485, Kaman-1 türünden 425, Maraş-18 türünden 393 ve Oğuzlar-77 türünden 610 olmak üzere toplamda 2780 görüntü elde edilmiştir. Bu görüntüler, ön işleme adımlarından geçirilerek, önceden eğitilmiş modeller olan DenseNet121, NASNetMobile ve MobileNet ile sınıflandırma işlemi yapılmıştır. Veri kümesi, %80 eğitim ve %20 test verisi olacak şekilde ikiye ayrılmıştır. Yapılan sınıflandırma işlemleri sonucunda, sırasıyla %80,25; %65,53 ve %83,66 başarı oranları elde edilmiştir. En yüksek sınıflandırma başarısı MobileNet modeliyle sağlanmıştır. Bununla birlikte, sınıflandırma başarılarının artırılması amacıyla parametre optimizasyonu yapılmıştır. Sonuç olarak, optimizasyon sonrası, ön eğitimli DenseNet121, NASNetMobile ve MobileNet modellerinin sınıflandırma başarısı sırasıyla %90,66; %87,61; %92,46 oranlarına yükseltilmiştir. Elde edilen diğer ayrıntılı sonuçlar, tezin ilgili bölümlerinde detaylı bir şekilde sunulmuştur.
Özet (Çeviri)
The walnut tree has historically stood out as an economically valuable tree species due to its edible fruit and high-quality wood. Walnuts are recognized as a significant component of a healthy diet due to their richness in Omega-3 fatty acids, antioxidants, protein, and fiber. Furthermore, walnuts contribute to brain health and heart health, bolstering the immune system and reducing inflammation. In the culinary world, walnuts hold a notable place, being used in various dishes and desserts across different cuisines. In the field of machine learning, deep learning has gained prominence, employing artificial neural networks to identify, classify, or predict complex structures and patterns within large datasets. Comprising multiple layers within the neural network architecture, deep learning algorithms process data to form high-level features or abstract concepts, combining information in more complex ways using non-linear activation functions. In my thesis, deep learning methods have been employed to classify walnut species with high nutritional value, aiming to categorize different walnut species based on their nutritional properties by analyzing their characteristics and patterns. In this thesis, deep learning-based classification was performed using images of walnut varieties Chandler, Fernor, Hekimhan, Kaman-1, Maraş-18, and Oğuzlar-77. A total of 2780 images were obtained, with 408 images of Chandler, 459 of Fernor, 485 of Hekimhan, 425 of Kaman-1, 393 of Maraş-18, and 610 of Oğuzlar-77. After preprocessing these images, the pre-trained models DenseNet121, NASNetMobile, and MobileNet were applied for classification. The dataset was divided into 80% training and 20% test data. As a result of the classification operations, 80,25%; 65,53% and 83,66% success rates were obtained, respectively. The highest classification success was achieved with the MobileNet model. However, parameter optimization was performed in order to increase the classification success. As a result, after optimization, the classification success of the pre-trained DenseNet121, NASNetMobile and MobileNet models was increased to 90,66%; 87,61% and 92,46%, respectively. Other detailed results obtained are presented in detail in the relevant sections of the thesis.
Benzer Tezler
- Ceviz çeşitlerinin derin öğrenme algoritmalarıyla sınıflandırılması
Classification of walnut varieties with deep learning algorithms
HALİL KILIF
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKAY ÇINAR
PROF. DR. NURETTİN DOĞAN
- Ceviz çeşitlerinin sürgün ve yaprak görüntüleri kullanarak derin öğrenme yöntemiyle erken dönemlerde tespit edilmesi
Early detection of walnut cultivars by deep learning method using shoot and leaf images
ALİ ALTINALAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIsparta Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KIYAS KAYAALP
- Tarım sektöründe yapay zeka uygulamaları
Artificial intelligence applications in the agriculture sector
ARMAĞAN ÇEVİK ATAHAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. FUAT TÜRK
- Topraksız tarımda bazı çilek çeşitlerinin performansları
Performances of some strawberry cultivars in soilless agriculture
OZAN TARI
Yüksek Lisans
Türkçe
2021
ZiraatAydın Adnan Menderes ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. GONCA GÜNVER DALKILIÇ