Derin öğrenme ve dijital görüntü işleme teknikleri kullanılarak Kahramanmaraş'ta yetişen ceviz türlerinin özellik tespiti ve sınıflandırılması
Feature detection and classification of walnut species growing in Kahramanmaraş by using deep learning and digital image processing techniques
- Tez No: 845809
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, kabuklu meyve işleme sektöründe karşılaşılan insan kaynaklı hatalar, hijyen sorunları ve tekrar eden monoton görevlerin üstesinden gelmek amacıyla derin öğrenme ve dijital görüntü işleme tekniklerini kullanarak ceviz türlerinin otomatik olarak tespit edilmesi ve sınıflandırılması üzerine odaklanmaktadır. Ceviz, Türkiye'de önemli bir tarımsal üründür ve farklı türleri bulunmaktadır. Ceviz meyvesinin tür ve kalite çeşitliliği, sınıflandırma süreçlerini karmaşık hale getirebilmektedir. Tez, Kahramanmaraş bölgesinde yetiştirilen ceviz türlerinin özelliklerinin belirlenmesi ve sınıflandırılması için yapılan araştırmayı sunmaktadır. Maraş18, Chandler, Bilecik ve Kurtuluş100 türündeki cevizlerin görüntüleri, derin öğrenme modelleri olan SqueezeNet, AlexNet, Resnet18 ve ResNet34 ile eğitilmiş bir yapay zeka uygulaması kullanılarak sınıflandırılmıştır. Bu sınıflandırma sürecinde NVIDIA Jetson NANO geliştirme kiti tercih edilmiştir. Çalışmanın temel amacı, ceviz türlerini otomatik olarak tespit ederek işleme süreçlerinde verimliliği artırmaktır. Oluşturulan veri seti üzerinde yapılan eğitim sonuçlarına göre, ResNet modellerinde %98 ve %99 doğruluk oranları elde edilmiştir. Bu sonuçlar, yapay zeka uygulamasının ceviz türlerini başarılı bir şekilde sınıflandırabildiğini göstermektedir. Bu çalışma, kabuklu meyve işleme sektöründe otomasyon ve verimlilik artışı sağlamak adına önemli bir adım olarak değerlendirilebilir.
Özet (Çeviri)
This thesis is focused on the automatic detection and classification of walnut varieties, utilizing deep learning and digital image processing techniques to overcome human errors, hygiene issues, and repetitive monotonous tasks encountered in the shell fruit processing industry. Walnuts are a significant agricultural product in Turkey, with various types. The diversity in walnut fruit types and qualities can complicate the classification processes in this industry. The thesis presents a research study conducted for the determination and classification of characteristics of walnut varieties grown in the Kahramanmaraş region. The images of Maras18, Chandler, Bilecik, and Kurtuluş100 types of walnuts were classified using an artificial intelligence application trained with deep learning models, including SqueezeNet, AlexNet, Resnet18, and ResNet34. The NVIDIA Jetson NANO development kit was preferred for the classification process in this study. The primary objective of the study is to enhance efficiency in processing procedures by automatically detecting walnut varieties. According to the training results on the created dataset, accuracy rates of 98% and 99% were achieved with ResNet models. These outcomes demonstrate that the artificial intelligence application successfully classifies walnut varieties. This study can be considered a significant step towards automation and increased efficiency in the shell fruit processing industry.
Benzer Tezler
- Earthquake damage detection with satellite imagery and deep learning approaches: A case study of the february 2023, Kahramanmaraş, Turkey earthquake sequence
Uydu görüntüleri ve derin öğrenme yaklaşımları ile hasar tespiti: 2023 şubat Kahramanmaraş, Türkiye deprem dizisinden bir vaka çalışması
FATMA ELİK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Meme kanseri teşhisi ve alt tiplendirmesi için yeni bir dijital görüntü işleme tekniğinin geliştirilmesi
Development of a new image processing method for detection and subclassification of breast cancer
MARYA ELAŞTAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
- Panaromik radyografilerde veri ön işleme ve derin öğrenme kullanarak diş segmentasyonu
Tooth segmentation in panoramic radiographs using preprocessing and deep learning
MEHMET KOCAKUŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BETÜL UZBAŞ
- Görüntü işleme yöntemiyle tane boyut dağılımının belirlenmesi
Determination of grain size distribution using image processing method
HAYDAR ŞAHAN
Doktora
Türkçe
2025
Maden Mühendisliği ve MadencilikEskişehir Osmangazi ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. HALİL İPEK
DOÇ. DR. HASAN SERKAN GÖKÇEN
- Development of counterfeit banknote recognition system using deep learning
Derin öğrenme kullanılarak sahte banknot tanıma sisteminin geliştirilmesi
BURAK İYİKESİCİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGUN ERÇELEBİ