Yapay zeka destekli gerçek zamanlı bazı süt sığırı ırklarının tespit edilmesi
Artificial intelligence-based real-time identification of selected dairy cattle breeds
- Tez No: 953952
- Danışmanlar: PROF. DR. SERKAN ÖZKAYA
- Tez Türü: Yüksek Lisans
- Konular: Zooloji, Ziraat, Zoology, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, büyükbaş hayvan ırklarının yapay zeka destekli gerçek zamanlı tespiti üzerine odaklanmıştır. Farklı büyükbaş hayvan ırklarını doğru ve hızlı bir şekilde tanımlayabilen bir sistem geliştirilmiştir. Geliştirilen sistem, görüntü işleme ve derin öğrenme tekniklerini kullanarak ırkları sınıflandırmayı hedeflemiştir. Çalışmada, büyükbaş hayvancılık sektöründe sıklıkla karşılaşılan zorluklar ele alınmış ve yapay zekâ ile bilgisayarla görme teknolojilerinin bu sektöre sağlayabileceği faydalar araştırılmıştır. Tezde kullanılan veri seti, Kaggle platformundan temin edilen çeşitli büyükbaş hayvan ırklarına ait 1208 görüntüden oluşmaktadır. Bu görüntüler Ayrshire, Brown Swiss, Jersey, Red Dane ve Holstein-Friesian ırklarını içermekte olup, görüntülerin farklı açılardan ve çevresel koşullarda çekilmiştir. Derin öğrenme modelleri arasında, ResNet50 ve DenseNet121 gibi mimariler kullanılmış, bu modellerin performansları Python ve TensorFlow/Keras kütüphaneleri ile değerlendirilmiştir. Tez çalışmasında uygulanan modeller arasında sınıflandırma işlemlerinde en başarılı model evrişimsel sinir ağları (CNN) modeli olmuştur. Araştırmanın bulguları, büyükbaş hayvan ırklarının doğru bir şekilde tespit edilmesinin hem besleme programlarının optimize edilmesi hem de sağlık kontrol süreçlerinin etkinleştirilmesi açısından önemli olduğunu göstermiştir. Tezde geliştirilen sistemin, büyük çiftliklerde ve sürülerde ırk tespitini manuel gözlem süreçlerinden bağımsız hale getirdiği ve böylece hem zaman hem de iş gücü tasarrufu sağladığı belirlenmiştir. Gerçek zamanlı çalışma yeteneği ile sistem, hayvanların durumlarına göre anında geri bildirim verebilmektedir ve hayvancılık sektörünün verimliliğini artırma potansiyeline sahip olduğu düşünülmektedir.
Özet (Çeviri)
This thesis investigates the real-time detection of cattle breeds using artificial intelligence. A system was developed to accurately and rapidly classify different cattle breeds by leveraging image processing and deep learning techniques. The study addresses key challenges in the cattle farming industry and explores the potential contributions of AI and computer vision technologies to this sector. The dataset used comprises 1,208 images of various cattle breeds—Ayrshire, Brown Swiss, Jersey, Red Dane, and Holstein-Friesian—sourced from the Kaggle platform. These images were captured from diverse angles and under varying environmental conditions to ensure dataset diversity. Deep learning architectures such as ResNet50 and DenseNet121 were implemented, and their classification performance was evaluated using Python and the TensorFlow/Keras libraries. Among the models tested, the Convolutional Neural Network (CNN) achieved the highest accuracy in breed classification. The findings indicate that accurate breed identification is vital for optimizing feeding strategies and improving animal health monitoring. The proposed system has the potential to replace manual observation processes in large-scale farms, offering significant savings in time and labor. Thanks to its real-time capabilities, the system can provide immediate feedback based on the animals' condition, highlighting its potential to enhance operational efficiency in livestock management.
Benzer Tezler
- Zaman alanı performans kriterlerine dayalı yapay zekâ destekli pıd denetleyici parametre ayarı
Ai-assisted pid controller parameter tuning based on time-domain performance criteria
MUHAMMET ENSAR AÇIKMEŞE
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN
- Gaziantep'te PM2.5 konsantrasyonunun zamansal ve mekânsaltahminine yönelik transfer öğrenme destekli hibrit yapay zeka modelleri
Spatio-temporal estimation of PM2.5 concentrations in gaziantepusing transfer learning-based hybrid artificial intelligence models
TÜRKAN ZENGİN GÖMLEKSİZ
Yüksek Lisans
Türkçe
2025
Meteorolojiİstanbul Teknik Üniversitesiİklim Bilimi ve Meteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Gaz sensörü verilerini kullanarak kızartma yağı kalitesinin yapay zekâ tabanlı sınıflandırılması
Artificial intelligence-based classification of frying oil quality using gas sensor data
KEMAL TÜMEN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBolu Abant İzzet Baysal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET MİLLİ
- Corporate compliance enhanced by artificial intelligence
Yapay zeka ile güçlendirilmiş kurumsal compliance
İREM SERRA SEÇER
Yüksek Lisans
İngilizce
2025
Hukukİstanbul Medeniyet ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MELTEM KARATEPE KAYA
- Promptshıeld: polıcy-aware data loss preventıon framework for generatıve AI prompts
Promptshıeld: Politika farkındalıklı üretken yapay zekâ istemleri için veri kaybı önleme çerçevesi
EZGİ KELEŞ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR