Geri Dön

Bitkilerin biyoelektrik potansiyelini kullanarak ortam sıcaklığını tahmin etmek için yeni bir derin öğrenme modeli

A new deep learning model for predicting ambient temperature using the plants' bioelectric potential

PDF İndir

  1. Tez No: 1011373
  2. Yazar: HASRI AKBAR AWAL ROZAQ
  3. Danışmanlar: PROF. DR. OKTAY YILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bitki stresinin erken tespiti, verimli tarım için çok önemlidir. Literatürde bu doğrultuda, bitki sağlığını izlemek amacıyla çeşitli derin öğrenme modelleri sunulmuştur. Bu çalışmalar, bitki sağlığının izlenmesine yönelik yöntemlerin geliştirilmesine önemli katkılar sunmakla birlikte, verilerin zamansal örüntülerinin modellenmesindeki üstünlüklerine rağmen, belirli biyofiziksel özelliklerin etkin kullanımında hâlen bazı sınırlılıklar barındırmaktadır. Geleneksel tekrarlayan sinir ağları (RNN), bitkisel biyoelektrik sinyalleri yalnızca standart birer sayısal dizin olarak işlemektedir. Bu durum, bitkinin savunma mekanizmalarına dair iyon kanalı dinamikleri ve sinyal iletim hızı gibi ayırt edici biyofiziksel verilerin göz ardı edilmesine neden olarak analiz kapasitesini kısıtlar. Bitki stresinin erken tespiti, verimli tarım için çok önemlidir. Ancak geleneksel tekrarlayan sinir ağları, biyoelektrik sinyalleri genel zaman serisi verileri olarak ele alır ve alana özgü biyofiziksel özelliklerden yararlanamaz. Bu tez çalışmasında bitki stresi sınıflandırması için biyo-tabanlı uyarlanabilir geçitleme ile zamansal dikkati entegre eden yeni bir mimari olan OA-BioNet'i (Oktay-Akbar Bioelectric Network) önerilmektedir. OA-BioNet, beş gerçek zamanlı olarak çıkarılan biyolojik özellik (enerji, delta, varyans, eğilim ve tepe noktası algılama) kullanarak GRU güncelleme geçidini modüle eder ve zamansal dikkat yoluyla kritik zaman adımlarına önem ağırlıkları atar. Deneylerde, kontrollü ve su eksikliği koşulları altında domates bitkilerinden (Solanum lycopersicum L.) alınan biyoelektrik sinyaller kullanılmış ve 656 sekans elde edilmiştir. Beş katmanlı tabakalı çapraz doğrulama, OA-BioNet'i temel modeller (Vanilla RNN, LSTM, GRU, Bi-LSTM) ve altı ensemble kombinasyonu ile karşılaştırmıştır. OA-BioNet, en iyi temel modele (Bi-LSTM: 0,7449) göre %24,0'lık bir iyileşmeyle 0,9237 ROC-AUC değerine ulaşmıştır. Doğruluk oranı %83,49, kesinlik oranı %85,82, geri çağırma oranı %81,22 ve F1 puanı %83,16 olmuştur. Mimari, minimum aşırı uyumlamayı korurken ~0,30 (temel değerlerin yaklaşık yarısı) doğrulama kaybı göstermiştir. 10-15 ms'lik bir çıkarım süresi ve ~68 KB'lık bir model boyutu ile OA-BioNet, tarımsal IoT uygulamalarında uç cihaz dağıtımı ve akıllı hassas tarım sistemleri için kullanılabilir olduğu gösterilmiştir.

Özet (Çeviri)

Early detection of plant stress is crucial for productive agriculture. In this regard, various deep learning models have been proposed in the literature to monitor plant health. While these studies have made significant contributions to the development of methods for monitoring plant health, they still have certain limitations in effectively utilizing specific biophysical characteristics, despite their superiority in modeling temporal patterns in the data. Traditional recurrent neural networks (RNNs) process plant bioelectric signals solely as standard numerical sequences. This approach limits analytical capacity by disregarding distinctive biophysical data, such as ion channel dynamics and signal transmission speed, related to the plant's defense mechanisms. Early detection of plant stress is crucial for efficient agriculture. However, traditional recurrent neural networks treat bioelectric signals as general time-series data and cannot leverage domain-specific biophysical characteristics. This thesis proposes OA-BioNet (Oktay-Akbar Bioelectric Network), a novel architecture that integrates temporal attention with bio-based adaptive gating for plant stress classification. OA-BioNet modulates the GRU update gate using five real-time extracted biological features (energy, delta, variance, trend, and peak detection) and assigns importance weights to critical time steps via temporal attention. In the experiments, bioelectric signals were collected from tomato plants (Solanum lycopersicum L.) under controlled and water-deficient conditions, yielding 656 sequences. Five-fold cross-validation compared OA-BioNet with baseline models (Vanilla RNN, LSTM, GRU, Bi-LSTM) and six ensemble combinations. OA-BioNet achieved an ROC-AUC value of 0.9237, representing a 24.0% improvement over the best baseline model (Bi-LSTM: 0.7449). The accuracy was 83.49%, the precision was 85.82%, the recall was 81.22%, and the F1 score was 83.16%. The architecture demonstrated a validation loss of ~0.30 (approximately half of the baseline values) while maintaining minimal overfitting. With an inference time of 10–15 ms and a model size of ~68 KB, OA-BioNet has been shown to be suitable for edge device deployment in agricultural IoT applications and for smart precision agriculture systems.

Benzer Tezler

  1. Tez No

    979620

    Sustainability assessment of heat and electricity generation from biomass in Turkey

    Türkiye'de biyokütleden ısı ve elektrik üretiminin sürdürülebilirliğinin değerlendirmesi

    GÜLİZAR BALCIOĞLU

    Doktora

    İngilizce

    İngilizce

    2021

    EnerjiThe Unıversıty Of Manchester

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. ADİSA AZAPAGIC

  2. Tez No

    174793

    Darbeli elektromanyetik alanlar ile osteojenik indüksiyon (teorik, deneysel ve klinik çalışma)

    Başlık çevirisi yok

    ARSLAN BORA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1982

    Ortopedi ve TravmatolojiEge Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. MERİH EROĞLU

  3. Tez No

    495444

    Ekolojik yakıt hücresi entegre yapay sulak alan sistemlerinde bitkilerin biyoelektrik üretme ve atık su arıtma performanslarına etkisinin araştırılması

    Investigation of the effect of ecological fuel cell integrated artificial wetland plants on bioelectricity production and wastewater treatment performance

    ÇAĞDAŞ SAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    BiyolojiAnadolu Üniversitesi

    Biyoloji Ana Bilim Dalı

    PROF. DR. CENGİZ TÜRE

    DR. ONUR CAN TÜRKER

  4. Tez No

    56370

    12 standart derivasyonlu bir EKG biopotansiyel simülatörünün dizaynı ve gerçekleştirilmesi

    The Design and application of an ECG biopotantial simulator with 12 standart derivations

    RAŞİT KÖKER

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF.DR. İHSAN GÖK

  5. Tez No

    693514

    Effects of novel food processing techniques on bioaccessibility and transepithelial transport of cranberrybush polyphenols

    Yeni gıda işleme tekniklerinin gilaburuda bulunan polifenollerin biyoerişilebilirliği ve bağırsak taşınımları üzerindeki etkileri

    GÜLAY ÖZKAN

    Doktora

    İngilizce

    İngilizce

    2021

    Gıda Mühendisliğiİstanbul Teknik Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. ESRA ÇAPANOĞLU GÜVEN

Geri Dön