Derin öğrenme yöntemleri kullanılarak ağaç deformasyonlarının tespiti
Detection of tree deformations using deep learning methods
- Tez No: 938333
- Danışmanlar: DR. ÖĞR. ÜYESİ MEVLÜT ERSOY
- 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: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 56
Özet
Bu tez çalışmasında orman ürünleri üzerindeki tahribatın, en aza indirgenmesi göz önüne alınarak bir çalışma yapılmıştır. Ülkemizde ormanlar konusunda tahribat çok fazladır. Bu tahribatlar ağaçlardan elde edilen ürünler üzerinde kusurlara neden olmaktadır. Bu kusurlar ağaçların endüstriyel kalitelerini düşürmektedir. Üreticiden tüketiciye kadar döngüde bu kusurlar, hem ekonomik açıdan hem de ormanlar açısından çok fazla zarara sebep olmaktadır. Bu zarara engel olmak amacıyla düşünülen tez çalışmasında, bu etkinin kerestecilik alanında en aza indirgenmesi amaçlanmaktadır. Kerestecilik iş kolu orman ürünlerinin alt ürünlere dönüştürülmesi konusunda birçok faaliyet göstermektedir. Bu faaliyetlerin maliyetlerinin düşürülmesi genellikle ahşap ürünlerinin son kullanıcıya ulaştırılmasında önemli bir aşamadır. Bu tez çalışmasını kapsamı kereste fabrikalarındaki kereste alt ürünlerinin oluşturulmasında yer alan fabrikalar için daha az maliyetli budak çıkarma sistemi altyapısının oluşturulmasını sağlamaktır. Çalışma kapsamında, işlenmiş keresteler üzerinde yer alan budaklar uzmanlar tarafından tespit edilerek etiketlenmiş ve koordinatları belirlenmiştir. Görüntüler ve etiketler derin öğrenme yöntemleri olan CNN, RESNET ve VGG-16 algoritmaları ile eğitilmiştir. Ağtim ağırlıkları eğitim oranını artırmak için hazır olarak alınmıştır. Test aşamasında eğitim aşamasında hiç verilmeyen kereste görüntüleri verilmiştir. Uygulanan yöntemlerin budak görüntülerinin tespit edilmesinde yeterli ve başarılı sonuçlar verdiği görülmüştür.
Özet (Çeviri)
In this thesis, a study was carried out considering minimizing the destruction on forests. There is a lot of damage to forests in our country. These damages cause defects on the products obtained from trees. These defects reduce the industrial quality of the trees. These defects in the cycle from producer to consumer cause a lot of damage both economically and to forests. The thesis study, which is designed to prevent this damage, aims to minimize this impact in the field of lumbering. The woodworking industry engages in various activities related to transforming forest products into secondary products. Reducing the costs of these activities is often a critical step in delivering wooden products to the end user. The scope of this thesis is to establish a lower-cost knot detection system infrastructure for factories involved in the production of lumber by-products. Within the scope of the study, knots present on processed lumber were identified and labeled by experts, and their coordinates were determined. The images and labels were trained using deep learning methods such as CNN, RESNET, and VGG-16 algorithms. To increase the training efficiency, pretrained network weights were used. In the testing phase, lumber images that were not used during training were introduced. The applied methods were found to be sufficient and successful in detecting knot images.
Benzer Tezler
- Derin öğrenme yöntemleri ile Türkçede bağlılık ayrıştırma
Dependency parsing with deep learning methods in Turkish
MÜCAHİT ALTINTAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Derin öğrenme yöntemleri kullanılarak çocukların çizdiği resimlerdeki nesnelerin tanınması
Recognition of objects in pictures drawn by children using deep learning methods
SERKAN KONUŞ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ TAŞKIN
- Explainable deep learning classification of tree species with very high resolution VHRTreeSpecies dataset
Açıklanabilir derin öğrenme yöntemleri ile çok yüksek çözünürlüklü VHRTreeSpecies veri seti kullanılarak ağaç türlerinin sınıflandırılması
ŞULE NUR TOPGÜL
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Konvolüsyonel sinir ağlarında ağ eğitiminin iyileştirilmesi
Improving the network training in convolutional neural networks
KÜBRA UYAR
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Hibrit derin öğrenme yöntemleri ile beyin görüntüleri ve klinik özellikleri kullanılarak Alzheimer hastalığı sınıflandırması ve derecelendirilmesi
Classification and rating of Alzheimer's disease by using brain images and clinical features with hybrid deep learning methods
MEHMET EMRE SERTKAYA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN