Sinyal işleme ve makine öğrenmesi yöntemleri kullanılarak büyükbaş hayvan davranışlarının tahmini
Prediction of cattle behaviors by using signal processing and machine learning methods
- Tez No: 937473
- Danışmanlar: DOÇ. DR. DERYA YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Bu çalışmada, büyükbaş hayvan davranışlarının izlenmesi ve sınıflandırılması amacıyla, ivmeölçer sensörlerinden elde edilen veriler analiz edilmiştir. Büyükbaş hayvanlardan elde edilen veriler, farklı davranış kategorilerini içermektedir. Veri setindeki dengesizlikler nedeniyle az sayıda örneğe sahip bazı davranış kategorileri yeniden değerlendirilmiş ve veri işleme aşamasında uygun yöntemlerle ele alınmıştır. Bu işlemler ile sınıflandırma modellerinin azınlık davranış kategorilerinden kaynaklanan dengesizliklerin etkisinin azaltılması amaçlanmıştır. Çalışmada istatistiksel, entropi, yineleme grafiği tabanlı özelliklerin çıkarımı gerçekleştirilmiştir. Bu özellikler, özellik seçimi ile optimize edilerek en az sayıda özellikle en iyi modeli üretmek hedeflenmiştir. Çok sayıda geleneksel makine öğrenmesi sınıflayıcıları ve LSTM algoritması kullanılarak sınıflandırmalar gerçekleştirilmiştir. Performans değerlendirmeleri sonucunda, Ekstra Ağaçlar sınıflayıcısı %98,18 doğruluk değeri ile literatürde bu veri seti için en az özellikle elde edilmiş en iyi performansı göstermiştir. LSTM modeli ise %92,70 doğruluk oranına ulaşmıştır. Bu çalışma, modern teknolojilerin hayvancılık sektörüne entegrasyonu ile hayvan davranışlarının doğru bir şekilde izlenebileceğini ve sınıflandırılabileceğini göstermesinin yanında, elde edilen yüksek doğruluk oranıyla hayvan sağlığının izlenmesi ve refahının artırılması için iyi bir potansiyel sunmaktadır. Ayrıca, önerilen yöntemlerin farklı veri setlerinde uygulanabilir olması, tarım ve hayvancılık alanındaki diğer çalışmalara da katkı sağlayacaktır.
Özet (Çeviri)
In this study, data obtained from accelerometer sensors were analyzed for the purpose of monitoring and classifying cattle behaviors. Data obtained from cattle include different behavioral categories. Due to imbalances in the data set, some behavioral categories with few examples were re-evaluated and handled with appropriate methods in the data processing phase. These operations aimed to reduce the effect of imbalances originating from minority behavioral categories of classification models. In the study, statistical, entropy, recurrence plots based features were extracted. These features were optimized with feature selection and the aim was to produce the best model with the least number of features. Classifications were performed using a large number of traditional machine learning classifiers and LSTM algorithms. As a result of performance evaluations, Extra Trees classifier showed the best performance obtained with the least number of features in the literature for this data set with 98.18% accuracy value. The LSTM model reached 92.70% accuracy rate. This study demonstrates that animal behavior can be accurately monitored and classified with the integration of modern technologies into the livestock sector and offers a good potential for monitoring animal health and improving animal welfare with the high accuracy rate obtained. In addition, the applicability of the proposed methods to different data sets will contribute to other studies in the field of agriculture and livestock.
Benzer Tezler
- Yapay zekâ ve sinyal işleme yöntemleri ile rulmanlarda taşlama yanığı hatasının tespiti
Detection of grinding burn defect in bearings with artificial intelligence and signal processing methods
NURDOĞAN CEYLAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEZGİN KAÇAR
- Sinyal işleme ve makine öğrenmesi yöntemleri ile dönen makinelerde titreşim sinyallerinden arıza analizi ve tespiti
Fault analysis and detection from vibration signals in rotating machines with signal processing and machine learning methods
HÜSEYİN CANBAZ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL POLAT
- Makine öğrenmesi yöntemlerinin polisomnografik verilere uygulanması
Application of machine learning methods to polysomnography datas
GÜVEN ÇENTİK
Doktora
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN UMUT
- EEG sinyallerinde duygu tanıma
Emotion recognition from EEG signals
ABDULFETTAH KALACI
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiTekirdağ Namık Kemal ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN DEMİR
- Elektrostatik sensör ile ölçülen sinyallerin makine öğrenmesi yöntemleri kullanılarak sınıflandırılması
The classification of signals measured with electrostatic sensor by using machine learning methods
ÖZCAN KAMIŞLI
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
DOÇ. DR. İLKNUR DURUKAN