Ayçiçeği bitkisinin gelişim evrelerinin derin öğrenme teknikleri kullanılarak tespiti
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Trakya Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, -, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: GÜLAY KARAHANLI
Danışman: CEM TAŞKIN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Son yıllarda gelişen hassas tarım teknolojileri sayesinde tarımsal ürünlerin sulanması, gübrelenmesi, ilaçlanması, yabancı otların ayıklanması, hasat edilmesi gibi birçok işlem otonom sistemler tarafından yapılabilmektedir. Bitkilerin gelişimlerinin takip edilebilmesi de hassas tarım uygulamaları için oldukça önemlidir. Özellikle ayçiçeği gibi bazı bitki türlerinde bu işlemlerin ne zaman uygulanacağına, büyük ölçü de bitkinin içerisinde bulunduğu gelişim evresine göre karar verilmektedir. Ayrıca ayçiçeği ile ilgili yapılan bilimsel çalışmalarda bu evrelerin bilinmesi büyük önem arz etmektedir. Bu çalışmada ayçiçeği bitkilerinin gelişim evrelerinin sınıflandırılabilmesi için derin öğrenme yöntemleri kullanılmıştır. Dron yardımıyla araziden alınan görüntüler yüksek çözünürlüklü olduğu için her biri 6 eşit parçaya bölünmüş ve sonrasında 8 sınıf belirlenerek her bir sınıfa ait görüntüler ayıklanmıştır. Her sınıfta 1600 adet, toplamda 12800 adet görüntünün olduğu bir veri seti oluşturulmuştur. AlexNet, InceptionV3, ResNet101, DenseNet121, MobileNet ve Xception olmak üzere altı farklı derin öğrenme modeli, Sgd, Adam ve Rmsprop optimizasyon yöntemleriyle test edilerek performansları karşılaştırılmıştır. Modellerin başarılarının daha doğru değerlendirilebilmesi için eğitilen modeller farklı bir araziden alınan görüntüler ile oluşturulan ikinci bir veri seti üzerinde de test edilmiş ve yüksek başarı oranları elde edilmiştir. Ayrıca hangi evrede olduğuna net karar verilemeyen görüntüler için 7 sınıflı bir ara evre test seti oluşturulmuş ve yine modellerin başarı oranları test edilmiştir. 7-8 ara evresinde bulunan görüntüler için başarının çok düşük olduğu gözlemlenmiş, bu sınıf için de başarı oranını arttıracak bazı filtreler görüntülere uygulanarak modeller yeniden eğitilmiş ve elde edilen bulgular değerlendirilmiştir.