Geri Dön

Performance evaluation of RGB and NIR imaging in deep learning-based potato injury classification

Görüntü işleme teknikleri kullanılarak patateslerdeki mekanik zararların makine öğrenmesi tabanlı otomatik sınıflandırılması

PDF İndir

  1. Tez No: 983285
  2. Yazar: ABUBAKAR ABDULLAHI JOBE
  3. Danışmanlar: DOÇ. DR. DOÇ. DR. ZEYNEP ÜNAL, DOÇ. DR. DOÇ. DR. TEFİDE KIZILDENIZ GÜRBÜZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ziraat, Agriculture
  6. Anahtar Kelimeler: 1,3-diol sentezi, Bilgi işlem sektörü, 1,3 diol synthesis, Data processing sector
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Niğde Ömer Halisdemir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bitkisel Üretim ve Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Tarım Bilimleri (disiplinlerarası) Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

This study developed a cost-efficient image classification system using DL techniques for the automated detection potato injuries. A total of 206 injured samples were gathered and imaged in a specially designed facility using a costom- built image capture box equipped with a high-speed 2.0 MP RGB webcam and a 5.0 MP NIR USB camera. Deep learning models, such as ResNet101, DenseNet121, Xception, VGG19, InceptionV3, and MobileNetV3, were applied for classification. The dataset was divided into three groups: 70% training, 15% validation, and 15% testing subsets, and hyperparameters such as batch size, epochs, and learning rate were optimized. MobileNetV3Large achieved an accuracy of 98.86% after fine-tuning, while DenseNet121, Xception, and InceptionV3 achieved classification results on NIR images (100% in accuracy, precision, recall, and F1-score), indicating superior reliability. The top performing RGB models DenseNet121, Xception, and InceptionV3 achived excellent result, each scoring 100% in accuracy, precision, recall and F1-score. Based on the research results, RGB imaging performs similarly to NIR for detecting potato injuries, with top models obtaining near-perfect accuracy and dependability. As a result, investing in expensive NIR equipment is unneeded. RGB-based solutions are a practical, economical, and precise option that reduces equipment costs while retaining great detection performance.

Özet (Çeviri)

Bu çalışma, patates yaralanmalarının otomatik tespiti için derin öğrenme (DL) teknikleri kullanılarak maliyet açısından verimli bir görüntü sınıflandırma sistemi geliştirmiştir. Sınıflandırma için ResNet101, DenseNet121, Xception, VGG19, Veriler %70 eğitim, %15 doğrulama ve %15 test olmak üzere üç gruba ayrılmış; batch boyutu, epoch sayısı ve öğrenme oranı gibi hiperparametreler optimize edilmiştir. MobileNetV3Large ince ayar sonrası %98,86 doğruluk elde etmiş, ancak DenseNet121, Xception ve InceptionV3 modelleri NIR görüntüler üzerinde (doğruluk, kesinlik, duyarlılık ve F1-skorunda %100) mükemmel sonuçlar elde ederek daha üstün bir güvenilirlik sergilemiştir En iyi performans gösteren RGB modelleri DenseNet121, Xception ve InceptionV3, her biri doğruluk, hassasiyet, geri çağırma ve F1 puanında %100 puan alarak mükemmel sonuçlar elde etti. Araştırma sonuçlarına göre, RGB görüntüleme, patates yaralanmalarını tespit etmede NIR'ye benzer bir performans sergiliyor ve en iyi modeller neredeyse mükemmel doğruluk ve güvenilirlik sağlıyor. Sonuç olarak, pahalı NIR ekipmanlarına yatırım yapmak gereksiz. RGB tabanlı çözümler, ekipman maliyetlerini düşürürken mükemmel tespit performansını koruyan pratik, ekonomik ve hassas bir seçenektir.

Benzer Tezler

  1. Tez No

    355

    Güneş enerjisi ile çalışan R21-DMF li soğurmalı soğutma çevrimin analizi ve bazı tersinmezliklerin çevrimin performansı üzerindeki etkilerinin incelenmesi

    Analysis of R21-DMF solar powered absorpption refrigeration system and effect of someirreversbilities on the Performance of the cycle

    SEYİT ARİF TÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Makine MühendisliğiGazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCAN ATAER

  2. Tez No

    356

    Akaryakıtla çalışan endüstriyel tav fırınlarında yanma, sıcaklık ve basıncın optimum kontrolu

    Optimum control of combustion temperature and pressure in industrial tempering furnaces working with fuel-oil

    MEHMET EROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Makine MühendisliğiGazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. YÜCEL ERCAN

  3. Tez No

    108

    Bölgemizdeki normal ve risk gruplarında sifilize karşı oluşan antikorların araştırılması

    Başlık çevirisi yok

    MUSTAFA ZAHİR BAKICI

    Doktora

    Türkçe

    Türkçe

    1984

    MikrobiyolojiCumhuriyet Üniversitesi

    Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. MUVAFFAK AKMAN

  4. Tez No

    8

    Eksternal etmoidektomiler

    Başlık çevirisi yok

    ERCÜMENT AKMAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1987

    Kulak Burun ve BoğazGazi Üniversitesi

    Kulak Burun Boğaz Ana Bilim Dalı

    PROF.DR. NECMETTİN AKYILDIZ

  5. Tez No

    219

    Izgara ve altlık üstünde barındırılan ile de france X kıvırcık (Fl) ve merinos kuzularının entansif besideki performansları

    Başlık çevirisi yok

    ÜMRAN ŞAHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Veteriner HekimliğiUludağ Üniversitesi

    Zootekni Ana Bilim Dalı

    PROF. DR. ERDOĞAN TUNCEL

Geri Dön