İnsansız hava aracı görüntüleri kullanarak yapay zeka ile verim tahmini
Yield yield estimation with artificial intelligence using unmanned aerial vehicle imagery
- Tez No: 966177
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ONAY
- Tez Türü: Yüksek Lisans
- Konular: Sivil Havacılık, Civil Aviation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık Elektrik ve Elektroniği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, uzaktan algılama ve derin öğrenmeyi birleştirerek, İnsansız Hava Araçları (İHA) ile havadan alınan görüntülerdeki bitkilerin doğru ve güvenilir bir şekilde tespit edilip sayılması için özel olarak tasarlanmış bir YOLOv8 yapay zekâ modeli sunulmaktadır. Bitki tespiti ve sayımı, modern tarımda hassas yönetim, rekolte tahmini, ürünün gelişimi için gerekli kaynak tahsisi, elde edilecek hasat veriminin tahmini ve çevresel sürdürülebilirlik açısından kritik öneme sahiptir. İHA'lar, hızlı ve düşük maliyetli veri toplama imkânı sunduğundan, bu alanda son derece ümit verici bir araç olarak öne çıkmaktadır. Literatürde, İHA'ların uzaktan algılama alanındaki üstün kullanımını gösteren birçok örnek bulunmakta olup, bu çalışmalar İHA'ların bitki sayımı ve bu verilerle tarlanın gelecekteki rekolte tahmini uygulamalarında başarıyla kullanılabileceğini ortaya koymaktadır. Bu düşünceden hareketle, bu çalışmada, rekolte tahmini için İHA ile tarlanın farklı noktalarından alınan görüntüler, YOLOv8 yapay zekâ modeliyle işlenmiş ve bitkilerin sayımı gerçekleştirilmiştir. YOLOv8 tabanlı olarak oluşturulan şeker pancarı bitkisini sayma modelinin kesinlik, duyarlılık, F1-skoru ve mAP50 değerleri sırasıyla 0.885, 0.907, 0.896 ve 0.961 olarak elde edilmiştir. Son olarak, bu çalışmada kullanılan tüm görüntüler, özgün olarak Kayseri Şeker Fabrikası'na ait tarlalardan bu çalışma için alınmıştır.
Özet (Çeviri)
In this study, a YOLOv8 artificial intelligence model specifically designed to accurately and reliably detect and count plants in aerial images captured by Unmanned Aerial Vehicles (UAVs) is presented by combining remote sensing and deep learning. Plant detection and counting are critically important for precision management, yield prediction, resource allocation for crop development, estimating harvest yield, and environmental sustainability in modern agriculture. UAVs, offering fast and low-cost data collection, stand out as a highly promising tool in this field. The literature contains many examples demonstrating the superior use of UAVs in remote sensing, and these studies suggest that UAVs can be successfully utilized in plant counting and yield prediction applications based on such data. Building on this idea, in this study, images taken from different points of a field using UAVs for yield prediction were processed with the YOLOv8 AI model, and the plants were counted. The precision, sensitivity, F1-score and mAP50 values of the YOLOv8-based sugar beet plant counting model were 0.885, 0.907, 0.896 and 0.961, respectively. Finally, all images used in this study were uniquely collected from the fields of Kayseri Şeker Factory specifically for this research.
Benzer Tezler
- DRONE AND BIRD CLASSIFICATION USING CONVOLUTIONAL NEURAL NETWORKS
EVRİŞİMSEL SİNİR AĞI YÖNTEMİ İLE İNSANSIZ HAVA ARACI VE KUŞ SINIFLANDIRMASI
EDA KARALA
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Ormanlardaki böcek zararlarının uzaktan algılama verileriyle yapay zeka tabanlı tespiti
Artificial intelligence based detection of insect damage in forests using remote sensing data
ECE ALKAN
Doktora
Türkçe
2024
Ormancılık ve Orman MühendisliğiDüzce ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. ABDURRAHİM AYDIN
- Korunga (Onobrychis sp.) bitkisine ait dijital renkli fotoğraflar üzerinde görüntü işleme ve yapay zekâ yöntemleriyle optimum hasat zamanının tahmini
Prediction of optimal harvest time by image processing and artificial intelligence methods on digital color photographs of sainfoin (Onobrychis sp.)
MAHMUT AYDIN
Doktora
Türkçe
2026
BiyomühendislikAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. MUHAMMET ŞAKİROĞLU
- Enhancing UCAV operations with AI-driven point cloud semantic segmentation for precision gimbal targeting in defense industry
Savunma sanayiinde hassas gimbal hedefleme için yapay zeka tabanlı nokta bulutu semantik segmentasyon yaklaşımlarıyla S/İHA operasyonlarının iyileştirilmesi
SALİH BOZKURT
Doktora
İngilizce
2024
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Afet bölgeleri için iha kullanarak derin öğrenme tabanlı yol optimizasyonu
Deep learning based road optimization using uav for disaster regions
MEHMET SERHAT CEYLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER