Besleme sistemi için derin öğrenme tabanlı hayvan tanıma
Deep learning based animal recognition system for feeding system
- Tez No: 976515
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT KOCA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geleneksel hayvan besleme yöntemleri, manuel uygulamalara dayalı olmaları nedeniyle günümüz hayvancılık ihtiyaçlarını karşılamada yetersiz kalmakta; bu durum yem israfı, düzensiz besleme döngüsü ve yemliklere yetkisiz hayvan erişimi gibi sorunları beraberinde getirmektedir. Özellikle kontrolsüz yem tüketimi, hem ekonomik kayıplara yol açmakta hem de hijyen ve güvenlik açısından ciddi riskler oluşturmaktadır. Bu çalışma, hayvan besleme süreçlerinin daha etkin ve kontrollü yönetilebilmesini sağlamak amacıyla derin öğrenme tabanlı görüntü işleme tekniklerinin hayata geçirilmesini amaçlamaktadır. Çalışma kapsamında, kuş, kedi ve köpek türlerinin tespiti için YOLOv8, YOLOv9, YOLOv11 ve geliştirilme aşamasındaki YOLOv12 algoritmaları kullanılmıştır. Bu modeller, gerçek zamanlı nesne tespiti özelliği sayesinde hayvanların hızlı ve doğru biçimde tanınmasını mümkün kılmaktadır. Tanıma sürecinde ayrıca ResNet-50, MobileNet ve EfficientNetB0 gibi Evrişimli Sinir Ağı (CNN) tabanlı derin öğrenme mimarileri kullanılarak, sınıflandırma başarımı önemli ölçüde artırılmıştır. Görüntüden alınan veriler doğrultusunda, yalnızca tanımlı ve yetkilendirilmiş hayvanların yemlik alanlarına erişimine izin verilmekte; böylece yem tüketimi kontrol altına alınmakta, kaynak israfı önlenmekte ve hijyen koşulları korunmaktadır. Ortaya konan yapay zekâ temelli yaklaşım, hayvan barınaklarından kırsal hayvancılık alanlarına kadar birçok farklı kullanım alanına sahiptir. Gelecek çalışmalarda, tanınabilecek hayvan türlerinin çeşitlendirilmesi, daha geniş kapsamlı ve dengeli veri setleriyle eğitim süreçlerinin iyileştirilmesi, düşük güç tüketimine sahip gömülü donanımlarla entegrasyon sağlanması ve mobil uygulamalar aracılığıyla uzaktan erişim imkânı sunan bir ara yüz geliştirilmesi hedeflenmektedir. Bu çalışma, hayvan tanıma temelli besleme uygulamalarında yapay zekâ destekli çözümlerin etkinliğini ortaya
Özet (Çeviri)
Traditional animal feeding methods, due to their reliance on manual practices, fall short in meeting the demands of modern animal husbandry. This leads to issues such as feed wastage, irregular feeding cycles, and unauthorized animal access to feeders. Specifically, uncontrolled feed consumption results in both economic losses and poses significant risks regarding hygiene and security. This study aims to implement deep learning-based image processing techniques to enable more efficient and controlled management of animal feeding processes. Within the scope of this study, YOLOv8, YOLOv9, YOLOv11, and the developing YOLOv12 algorithms were used for the detection of bird, cat, and dog species. These models allow for fast and accurate animal recognition thanks to their real-time object detection capabilities. Furthermore, the classification performance was significantly enhanced by utilizing Convolutional Neural Network (CNN)-based deep learning architectures such as ResNet-50, MobileNet, and EfficientNetB0 during the recognition process. Based on the data obtained from images, only identified and authorized animals are permitted access to feeding areas, thereby controlling feed consumption, preventing resource waste, and maintaining hygienic conditions. The proposed artificial intelligence-based approach has a wide range of applications, from animal shelters to rural livestock farming areas. Future work aims to diversify the animal species that can be recognized, improve training processes with more comprehensive and balanced datasets, ensure integration with low-power embedded hardware, and develop an interface offering remote access via mobile applications. This study demonstrates the effectiveness of AI-powered solutions in animal recognition-based feeding applications, offering a sustainable and secure framework.
Benzer Tezler
- Control and system identification of legged locomotion with recurrent neural networks
Tekrarlayan sinir ağları ile bacaklı lokomosyonun kontrolü ve sistem tanımlanması
BAHADIR ÇATALBAŞ
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER MORGÜL
- Behavioral and genetic evaluation of the effect of prenatal stress on functional cerebral asymmetries in rats
Ratlarda prenatal stresin fonksiyonel serebral asimetri üzerindeki etkisinin davranışsal ve genetik açıdan değerlendirilmesi
SEVİM ISPARTA
Doktora
İngilizce
2023
Veteriner HekimliğiAnkara ÜniversitesiGenetik Ana Bilim Dalı
DOÇ. DR. BENGİ ÇINAR KUL
PROF. DR. ONUR GÜNTÜRKÜN
- Bilgisayarlı görme ve derin öğrenme ile süt sığırlarında biyometrik marker tabanlı kimlik doğrulama ve yüz tespitine dayalı yemlik alanı takibi
Biometric marker-based identification and facial detection-driven feedbunk interaction monitoring indairy cattle using computer vision and deep learning
SELMA DALGA
Yüksek Lisans
Türkçe
2025
ZiraatVan Yüzüncü Yıl ÜniversitesiTarımsal Biyoteknoloji Ana Bilim Dalı
DOÇ. DR. CİHAN ÇAKMAKÇI
- Robot hücresi içerisinde yapay zekâ ve görüntü işleme tabanlı parça besleme kontrolü
Artifical intelligence and image processing-based part feeding control in a robot cell
ENESALP ÖZ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Deep reinforcement learning approach in control of Stewart platform- simulation and control
Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol
HADI YADAVARI
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL