Pirinç ürününün derin öğrenme teknikleri kullanılarak sınıflandırılması
Classification of rice product using deep learning techniques
- Tez No: 966352
- Danışmanlar: PROF. DR. MERYEM EVECEN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Ziraat, Engineering Sciences, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Amasya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 152
Özet
Pirinç hem küresel ölçekte hem de Türkiye özelinde stratejik öneme sahip temel bir gıda maddesi ve ekonomik bir tarımsal üründür. Özellikle Asya kıtasında yoğunlaşan üretim faaliyetlerine ek olarak, Türkiye'de de Edirne, Samsun ve Manisa gibi bölgelerde pirinç üretimi yaygın olarak sürdürülmektedir. Dünyada ve Türkiye'de morfolojik, renk ve şekil olarak çok farklı pirinç türleri mevcuttur. Ancak geleneksel yöntemlerle gerçekleştirilen manuel sınıflandırma işlemleri, zaman ve maliyet açısından verimsizliklere yol açmakta ve bu durum tarımda daha yenilikçi ve otomasyona dayalı yaklaşımların gerekliliğini ortaya koymaktadır.Bu bağlamda yürütülen çalışmada, Türkiye'de yaygın olarak yetiştirilen Arborio, Basmati, Jasmine, İpsala ve Karacadağ pirinci çeşitlerinin sınıflandırılması amacıyla, her bir tür için 15 000 olmak üzere toplamda 75 000 görüntüden oluşan kapsamlı bir veri seti kullanılmıştır. Görüntüler hem morfolojik özellikler hem de RGB ve HSV renk uzayları temelinde değerlendirilmiş; sınıflandırma işlemleri derin öğrenmeye dayalı Evrişimsel Sinir Ağları (CNN) aracılığıyla gerçekleştirilmiştir. Çalışma kapsamında VGG-16, InceptionV3, EfficientNetB0, ResNet50 ve DenseNet gibi yaygın olarak kullanılan transfer öğrenme modellerine ek olarak, katmanlı iyileştirmelerle geliştirilen yedi farklı yeni model mimarileri test edilmiştir. Bu süreçte uygulanan veri ön işleme ve veri artırma teknikleri, model performanslarını olumlu yönde etkilemiş ve sınıflandırma doğruluklarında anlamlı artışlar sağlanmıştır. Yapılan karşılaştırmalı değerlendirmeler sonucunda, test edilen tüm modellerin yüksek başarı oranları sergilediği gözlemlenmiş; özellikle geliştirilen Model 7, %99,6 doğruluk oranı ile öne çıkarak transfer öğrenme tabanlı modellerle rekabet edebilecek düzeye ulaşmıştır. Elde edilen bulgular, pirinç çeşitlerinin sınıflandırılmasında evrişimsel sinir ağları ve transfer öğrenme yöntemlerinin yüksek doğrulukla çalışabildiğini göstermektedir. Bu çalışma, tarımsal ürünlerin sınıflandırılmasında yapay zekâ destekli otomasyon sistemlerinin etkinliğini ortaya koymakta ve bu teknolojilerin tarım sektöründe verimliliği artırmaya yönelik uygulamalarda geniş bir kullanım potansiyeline sahip olduğunu göstermektedir.
Özet (Çeviri)
Rice is a basic foodstuff and an economic agricultural product of strategic importance both globally and in Turkey. In addition to the production activities concentrated especially in the Asian continent, rice production is also widely carried out in regions such as Edirne, Samsun and Manisa in Turkey. There are many different types of rice in terms of morphology, color and shape in the world and in Turkey. However, manual classification processes carried out with traditional methods lead to inefficiencies in terms of time and cost, and this situation reveals the need for more innovative and automated approaches in agriculture. In this context, a comprehensive dataset consisting of 75 000 images in total, 15 000 for each type, was used to classify Arborio, Basmati, Jasmine, Ipsala and Karacadag rice varieties commonly grown in Türkiye. The images were evaluated based on both morphological features and RGB and HSV color spaces; classification operations were performed using deep learning-based Convolutional Neural Networks (CNN). In addition to widely used transfer learning models such as VGG-16, InceptionV3, EfficientNetB0, ResNet50 and DenseNet, seven different new model architectures developed with layered improvements were tested within the scope of the study. Data preprocessing and data augmentation techniques applied in this process positively affected model performances and significant increases were achieved in classification accuracies. As a result of the comparative evaluations, it was observed that all tested models exhibited high success rates; especially the developed Model 7 stood out with an accuracy rate of 99,6% and reached a level that could compete with transfer learning-based models. The findings obtained show that convolutional neural networks and transfer learning methods can work with high accuracy in the classification of rice varieties. This study demonstrates the effectiveness of artificial intelligence-supported automation systems in the classification of agricultural products and shows that these technologies have a wide potential for use in applications aimed at increasing efficiency in the agricultural sector.
Benzer Tezler
- Pirinç kepeği yağının yerinde esterleşmesi ile yağ asitleri monoesterleri üretimi
Production of fatty acids monoesters by in-situ esterification of rice bran oil
SEVİL YÜCEL
Doktora
Türkçe
1999
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP SELMA TÜRKAY
- Paddy-rice leaf area index (LAI) estimation using radar and optical imagery
Radar ve optik görüntüler kullanarak çeltik bitkisi yaprak alan indeks kestirim
ELNAZ NAJATISHENDI
Yüksek Lisans
İngilizce
2017
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Bilimleri Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Maş fasulyesi unu kullanımının glutensiz hazır tarhana çorbası üretimine uygunluğunun araştırılması
Investigation of the use of mung bean flour in gluten-free ready to drink tarhana soup production
BİLGE TAŞKIN
Doktora
Türkçe
2019
Gıda MühendisliğiManisa Celal Bayar ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZLI SAVLAK
- Tavuk çiftliği atıklarının burgu reaktör sisteminde pirolizi
Pyrolysis of chicken farm wastes in auger reactor system
HARUN UZUN
Yüksek Lisans
Türkçe
2019
Kimya MühendisliğiOndokuz Mayıs ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM CEYLAN
- Polipropilen/üzüm sapı/çeltik polimer kompozitinin özelliklerinin atık cam elyaf ile geliştirilmesi
Improving the properties of polypropylene/grape stalk/paddy polymer composite with waste glass fiber
ELİF GÜLCAN ŞEN
Yüksek Lisans
Türkçe
2022
Metalurji MühendisliğiMarmara ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜNİR TAŞDEMİR