Ege Bölgesinde yenilebilen ve yenilemeyen yabani otların derin öğrenme yöntemi ile tespiti
Detection of edible and non-edible weeds in the Aegean Region by deep learning method
- Tez No: 912834
- Danışmanlar: DOÇ. DR. ŞEBNEM BORA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ziraat, Computer Engineering and Computer Science and Control, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tarımda sürdürülebilirlik, dünyanın içinde bulunduğu ve son yıllarda etkisinin hissedildiği küresel ısınma ve iklim değişikliğinde önem arz eden konuların başında gelmektedir. Kültür bitkilerine talep artarken bilinçsiz kaynakların kullanımı ve gereğinden fazla gübreleme veya ilaçlama yapılması tarımsal alanların ve kültür bitkisinin kalite ve verimini azaltmaktadır. Bu durum yabani ot popülasyonun artışına neden olabilmektedir ve bu yüzden tarımdaki sürdürülebilirlik tehlikeli boyutlara ulaşabilmektedir. Tarlalarda yetiştirilmesi hedeflenen kültür bitkisi haricinde kalan bitkiye yabani ot denilmektedir. Bu otlar genelde istenmeyen ve hızlıca çoğalarak kültür bitkisinin kaynaklarını tüketirler. Yabani otların kontrol altına alınması, çiftçiler için hem kaynak hem de zaman bakımından maliyetlidir ve tarımsal alandaki kültür bitkisinin verimini olumsuz yönde etkilemektedir. Bu çalışma, yabani otların derin öğrenme yöntemleri kullanılarak tespit edilmesine olanak sağlayarak kullanıcılar için hem kaynak hem de zaman açısından maliyeti azaltmayı hedeflemiştir. Literatürdeki çalışmalardan farklı olarak Ege Bölgesinde bulunan ve 22 tanesi yenilebilir 15 tanesi yenilemez toplam 37 yabani ot türünün olduğu veri kümesi oluşturulmuş ve Tensorflow içerisindeki bulunan 71 adet derin öğrenme yöntemleri bu veri seti üzerinde test edilmiştir. Orijinal veri kümesi ve veri artırımı yapılmış veri kümesi kullanarak derin öğrenme mimarileri eğitilmiş ve en yüksek doğruluk değerine sahip ilk 5 derin öğrenme modeli listelenmiştir. Orijinal veri kümesinde sırasıyla en yüksek doğruluk değerine sahip ilk 5 model ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 ve ResNet50'dir. Veri artırımı yapılmış veri kümesinde ise sırasıyla en yüksek doğruluk değerine sahip ilk 5 model ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 ve ResNetRS152'dir. Bu sonuçların arasından en yüksek doğruluk değerini veri artırımı yapılmış veri kümesinde %99,05±%1,00 ile ConvNeXtXLarge olmuştur. Oluşturulan derin öğrenme modeli Flutter ile mobil uygulamaya entegre edilerek modelin gerçek hayat uygulanabilirliği ve davranışı test edilmiştir.
Özet (Çeviri)
Sustainability in agriculture is one of the most important issues in global warming and climate change, the effects of which have been felt in recent years. While the demand for cultivated plants is increasing, the unconscious use of resources and excessive fertilization or spraying reduces the quality and yield of agricultural areas and cultivated plants. This can lead to an increase in weed populations, and therefore the sustainability of agriculture can reach dangerous levels. Weeds are plants other than cultivated crops that are intended to be grown in the fields. These weeds are generally undesirable and multiply rapidly, depleting the resources of the cultivated plant. Controlling weeds is costly for farmers in terms of both resources and time and negatively affects the yield of the crop in the agricultural area. \paragraph{ }This study aims to reduce the cost in terms of both resources and time for users by enabling the detection of weeds using deep learning methods. Unlike the studies in the literature, a dataset of 37 weed species in the Aegean Region, 22 of which are edible and 15 of which are inedible, was created and 71 deep learning methods in Tensorflow were tested on this dataset. Deep learning architectures were trained using the original dataset and the augmented dataset and the top 5 deep learning models with the highest accuracy were listed. In the original dataset, the top 5 models with the highest accuracy are ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 and ResNet50. In the data augmented dataset, the top 5 models with the highest accuracy are ConvNeXtXLarge, ConvNeXtLarge, ConvNeXtBase, ResNetRS50 and ResNetRS152. Among these results, ConvNeXtXLarge has the highest accuracy value with 99.05%±1.00% in the data set with data augmentation. The deep learning model was integrated into the mobile application with Flutter to test the real-life applicability and behavior of the model.
Benzer Tezler
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Cam ve plastik seraların sonbahar domates üretimi yönünden karşılaştırılması
Başlık çevirisi yok
ERGUN DURAN
- 1983 yılı trafik kaza istatistikleri değerlendirmesi
Başlık çevirisi yok
ŞÜKRÜ ÖZER
Yüksek Lisans
Türkçe
1986
UlaşımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. RIDVAN EGE
- Sonbahar sera yetiştiriciliğine uygun hıyar çeşit seçimi
Selecting a cucumber variety suitable for glasshouse production in Autumn
MESUT OKTAY