Trakya Bölgesindeki endemik bitkilerin İHA görüntülerinden tespitini yapabilen CNN algoritmasının geliştirilmesi
Development of CNN algorithm for detection of endemic plants in Thrace Region from UAV images
- Tez No: 955984
- Danışmanlar: PROF. DR. HİLMİ KUŞÇU
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, Trakya bölgesindeki bazı endemik bitkilerin takibini, tespitini veya istatistiğini tutmak isteyen kişi ve kuruluşlara hızlı, erişilebilir ve yüksek doğruluk bir çözüm hedeflenen evrişimli sinir ağları algoritması olan You Only Look Once (YOLO) algoritması temelli bir bitki tespit modeli geliştirerek sunmaktır. Bu kapsamda, seçilen endemik bitkiler Dianthus ingoldbyi, Verbascum degenii ve Centaurea kilaea olmak üzere bitkilere ait 2 örnek alanda 2 farklı insansız hava aracı kullanılarak farklı çözünürlüklerde 75 görsel veri elde edilmiştir. Belirli veri çoğaltma teknikleri uygulanarak görsel veriler 240'a yükseltilmiştir. YOLO v11 nano modelinden doğal veri ve yapay veri kullanılarak belirli eğitim parametreleri ile 2 farklı model oluşturulmuş ve karşılaştırılmış, veri çoğaltma yöntemlerinin sınıf dengesini sağlamak ile kalmayıp aynı zamanda modelin yapısal öğrenmesini ve tespit yeteneğini olumlu yönde etkilediği deneysel olarak doğrulanmıştır. Seçili endemik bitkiler arasında en yüksek performans gösteren Verbascum degenii endemik bitkisinin olduğu görülmüştür. En iyi performans gösteren modele arayüz kazandırılarak kullanılması kolaylaştırılmıştır.
Özet (Çeviri)
The aim of this thesis is to develop and present a plant detection model based on You Only Look Once (YOLO) algorithm, which is a convolutional neural networks algorithm targeting a fast, accessible and high accuracy solution for individuals and organisations who want to keep tracking, detection or statistics of some endemic plants in the Thrace region. In this context, 75 visual data at different resolutions were obtained by using 2 different unmanned aerial vehicles in 2 sample areas of selected endemic plants Dianthus ingoldbyi, Verbascum degenii and Centaurea kilaea. The visual data was increased to 240 by applying certain data augmentation techniques. Two different models were created and compared using natural data and augmented data from the YOLO v11 nano model with certain training parameters, and it was experimentally verified that data augmentation methods not only provide class balance but also positively affect the structural learning and detection ability of the model. Among the selected endemic plants, Verbascum degenii endemic plant was found to be the highest performing endemic plant. The best performing model was facilitated to be used by providing an interface.
Benzer Tezler
- Zati'nin 50 gazelinin tahlili (1054-1104)
Başlık çevirisi yok
SABAHAT BEYZADEOĞLU
Yüksek Lisans
Türkçe
1990
Türk Dili ve EdebiyatıTrakya ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
YRD. DOÇ. DR. SÜREYYA BEYZADEOĞLU
- Kuzey Trakya bölgesinde Edirne-Kırklareli, Saray-Çorlu Uzunköprü-Dereikebir yörelerinin memeli paleofaunası
The Mammalian paleofaunas from Uzunköprü-Dereikebir district northern thrace region
GERÇEK SARAÇ
Yüksek Lisans
Türkçe
1987
Jeoloji MühendisliğiAnkara ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLER TANER
- Dizin aksiyal röntgenografilerinde patello-femoral eklemin incelenmesi, ölçüm yöntemleri ve patella dislokasyonları
Başlık çevirisi yok
ALTAN ÇELENK