Transfer öğrenimi yöntemleri ve tarımsal verim tahmin uygulaması
Transfer learning methods and agricultural yield estimation application
- Tez No: 935486
- Danışmanlar: DR. ÖĞR. ÜYESİ HALİL NUSRET BULUŞ
- 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: Tekirdağ Namık Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Bu tez, tarımsal verim tahmininde transfer öğrenimi tekniklerinin kullanımını araştırmaktadır. Doğru verim tahmini, kaynakların etkin kullanımı ve sürdürülebilir tarım için kritik öneme sahiptir. Çalışmada, toprak analiz verilerinin transfer öğrenimi yöntemleriyle işlenerek tahmin doğruluğunun artırılması hedeflenmiştir. Çalışmada, toprak analiz verilerinden elde edilen özellikler, Derin Sinir Ağı (DNN) kullanılarak modellenmiştir. DNN modeli, toprak bileşenleri ile verim arasındaki doğrusal ve doğrusal olmayan ilişkileri öğrenmekte başarılı olmuştur. Modelin eğitiminde, farklı tarımsal bölgelerden elde edilen veriler kullanılmış ve transfer öğrenimi teknikleri ile modelin genel performansı artırılmıştır. Transfer öğrenimi, farklı veri setlerinden öğrenilen bilgilerin, benzer özelliklere sahip başka veri setlerine aktarılması yoluyla, sınırlı veriyle eğitim yapılabilmesini sağlamıştır. Modelin başarısı, eğitim ve test setlerinde elde edilen kayıp (loss) ve doğrulama kaybı (validation loss) değerleriyle değerlendirilmiş; modelin genelleme yeteneği yüksek bulunmuştur. Ayrıca, gerçek ve tahmin edilen verim arasındaki ilişki görsel olarak karşılaştırılmış ve modelin doğruluğu görsel olarak doğrulanmıştır. Sonuçlar, transfer öğrenimi destekli DNN modelinin tarımsal verim tahmininde yüksek doğruluk sağladığını ve veri sınırlılıklarına rağmen başarılı sonuçlar elde edilebileceğini göstermektedir. Bu çalışmanın bulguları, tarımsal verim tahmininde transfer öğreniminin ve derin öğrenme tekniklerinin etkinliğini ortaya koymakta olup, gelecekte daha geniş ve çeşitli veri setleri ile modelin performansının daha da artırılabileceği bir yol haritası sunmaktadır.
Özet (Çeviri)
This thesis investigates the use of transfer learning techniques in agricultural yield estimation. Accurate yield estimation is critical for efficient use of resources and sustainable agriculture. The aim of the study is to increase the estimation accuracy by processing soil analysis data with transfer learning methods. In the study, features derived from soil analysis data were modeled using a Deep Neural Network (DNN). The DNN model successfully learned both the linear and nonlinear relationships between soil components and yield. During the model's training, data from different agricultural regions were used, and the overall performance of the model was improved using transfer learning techniques. Transfer learning enabled the use of knowledge gained from different datasets to be transferred to similar datasets, allowing training with limited data. The model's success was evaluated using the loss and validation loss values obtained from the training and test sets, and its generalization ability was found to be high. Additionally, the relationship between actual and predicted yield was visually compared, and the accuracy of the model was visually validated. The results demonstrate that the transfer learning-supported DNN model provides high accuracy in agricultural yield prediction and that successful results can be achieved despite data limitations. The findings of this study highlight the effectiveness of transfer learning and deep learning techniques in agricultural yield prediction, providing a roadmap for improving the model's performance with broader and more diverse datasets in the future.
Benzer Tezler
- Swarm fighter aircraft control with deep reinforcement learning approach
Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü
METİN SARI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Efficentnet ve resnet-50 modelleri kullanılarak limon görüntülerinin sınıflandırılması
Lemon images classification using efficientnet and resnet-50 models
MUHAMMET TİMUÇİN ÖZDEMİR
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
PROF. DR. RIDVAN SARAÇOĞLU
- Author identification with transfer learning
Transfer öğrenimi ile yazar tanıma
İBRAHİM YÜLÜCE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİŞTAH DALKILIÇ
- Feature selection and transfer learning algorithms with applications on credit risk analysis
Öznitelik seçme ve transfer öğrenme algoritmaları ve kredi risk analizi üzerine uygulamaları
GÜL EFŞAN BOZKURT GÖNEN
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET GÜRGEN
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ