Tarım araçlarında görüntü işleme tabanlı otonom sürüş yöntemlerinin karşılaştırılması ve bitki tespiti
Comparison of image processing-based autonomous driving methods in agricultural vehicles and plant detection
- Tez No: 989137
- Danışmanlar: DOÇ. DR. CENGİZ TEPE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Bilgisayarla görme, Bilgisayarlı görüntüleme, Derin öğrenme, Hareketli robotlar, Hassas tarım, Otonom robotlar, Otonom sistemler, Tarımsal mekanizasyon, Computer vision, Computer imaging, Deep learning, Mobile robots, Precision agriculture, Autonomous robots, Autonomous systems, Agricultural mechanization
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Artan küresel nüfus ve gıda üretimi üzerindeki baskılar, sürdürülebilir tarım için maliyet etkin otonom sistemlerin geliştirilmesini zorunlu kılmaktadır. Bu tez çalışmasında, pahalı GNSS ve LiDAR sistemlerine alternatif olarak, düşük maliyetli monoküler RGB kamera ve IMU sensörü kullanan, tam otonom bir tarımsal navigasyon ve bitki tespit sistemi geliştirilmiştir. Çalışma kapsamında; klasik görüntü işleme, CNN tabanlı bitki algılama (YOLOv11n) ve CNN tabanlı ürün sırası segmentasyonu (YOLOv11n-seg) olmak üzere üç farklı navigasyon metodolojisi, aynı simülasyon ve gerçek dünya koşullarında karşılaştırmalı olarak değerlendirilmiştir. Bitki türü tespiti için beş farklı CNN mimarisi kıyaslanmış, EfficientNetB0 %98,03 doğrulukla en iyi performansı gösterirken, YOLOv11n-cls modeli %96,59 doğruluk ve yüksek işlem hızıyla gerçek zamanlı uygulamalar için en uygun aday olarak belirlenmiştir. Navigasyon testlerinde, CNN tabanlı bitki algılama yöntemi; doğruluk, hız ve kararlılık açısından en dengeli performansı sergilemiştir. Simülasyon ortamında 0,40° ± 1,40° (ortalama ± standart sapma) açısal hata ile çalışan sistem, gerçek saha koşullarındaki tek sıra takiplerinde -0,37° ± 3,36° kararlılık seviyesine ulaşmıştır. Literatürdeki çalışmaların aksine, bu tez sadece sıra takibi ile sınırlı kalmamış; görsel servoing ve IMU verilerini birleştiren hibrit bir mimari ile sıra sonu dönüşlerini ve çoklu sıra geçişlerini de içeren“tam otonom navigasyon”yeteneğini gerçek sahada doğrulamıştır. Tam otonom görevlerde elde edilen -0,84° ± 6,69° sapma değeri, sistemin karmaşık manevralarda dahi güvenli sınırlar içinde kaldığını göstermektedir. Elde edilen bulgular, önerilen sistemin hesaplama kısıtlı donanımlarda (Jetson Orin Nano) gerçek zamanlı (~17 FPS) ve kararlı bir şekilde çalışabildiğini kanıtlamaktadır.
Özet (Çeviri)
The increasing global population and pressures on food production necessitate the development of cost-effective autonomous systems for sustainable agriculture. In this thesis, a fully autonomous agricultural navigation and plant detection system utilizing low-cost monocular RGB cameras and IMU sensors was developed as an alternative to expensive GNSS and LiDAR systems. Three different navigation methodologies—classical image processing, CNN-based plant detection (YOLOv11n and MobileNetV2), and CNN-based crop row segmentation (YOLOv11n-seg)—were comparatively evaluated under identical simulation and real-world conditions. For plant species detection, five different CNN architectures (ResNet50, InceptionV3, VGG16, EfficientNetB0, and YOLOv11n-cls) were compared; while EfficientNetB0 achieved the highest accuracy of 98.03%, the YOLOv11n-cls model was identified as the most suitable candidate for real-time applications with 96.59% accuracy and high processing speed. In navigation tests, the CNN-based plant detection method demonstrated the most balanced performance in terms of accuracy, speed, and stability. The system operated with an angular error of 0.40° ± 1.40° (mean ± std dev) in simulation and achieved a stability of -0.37° ± 3.36° in real-world single-row tracking. Unlike existing studies in the literature that are limited to single-row following, this thesis validated“complete autonomous navigation”capability in the real field, including end-row turns and multi-row transitions, through a hybrid architecture combining visual servoing and IMU data. The deviation of -0.84° ± 6.69° obtained in full autonomous missions demonstrates that the system remains within safe limits even during complex maneuvers. These findings prove that the proposed system can operate stably in real-time (~17 FPS) on resource-constrained hardware (Jetson Orin Nano).
Benzer Tezler
- Histogram-based sampling and multi-level global registration for 3D point clouds
3B nokta bulutları için histogram tabanlı örnekleme ve çok katmanlı global eşleştirme
OSMAN ERVAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Design, modelling and control of a nano quadrotor withmicrocontroller based vision system for object tracking
Nesne takibi için bir nano dört rotorlu helikopterin tasarımı, modellenmesi ve mikrodenetleyici tabanlı görüntü sistemi ile kontrolü
MUSTAFA ENES KIRMACI
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
PROF. DR. ERDİNÇ ALTUĞ
- Riskli alanlar için LPG takılı araçların bilgisayarlı görü teknikleriyle tespit edilmesi
Detection of LPG fitted vehicles for risky areas with computer vision techniques
ÖZNUR SUÇEKEN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Hatalı yerleştirilen araç sigortalarının şablon eşleştirme yöntemiyle tespiti
Detection of misplaced vehicle fuses using template matching method
MUSTAFA KARAKURT
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET KÜÇÜKER