Yazar "Türkoğlu, Muammer" seçeneğine göre listele
Listeleniyor 1 - 3 / 3
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Derin Evrişimsel Sinir Ağı Kullanılarak Kayısı Hastalıklarının Sınıflandırılması(2020) Türkoğlu, Muammer; Hanbay, Kazım; Saraç Sivrikaya, Işıl; Hanbay, DavutÖz: Bitki hastalıklarının hızlı ve doğru teşhisi için makine öğrenmesine dayalı yaklaşımlar kullanılmaktadır. Son zamanlarda derin öğrenme yaklaşımı bitki türleri ve hastalıkları tanıma ile ilgili problemlerde de kullanılmaya başlanmıştır. Bu çalışmada kayısı hastalıklarının tespiti için Derin Evrişimsel Sinir Ağlarına (DESA) dayalı bir model önerilmiştir. Bu model Evrişim, Relu, Normalizasyon, Havuzlama ve tam bağlı katmanlardan oluşmaktadır. Önerilen model için evrişim katmanlarında kullanılan filtrelerin pencere boyutu 3×3, 5×5, 7×7, 9×9 ve 11×11 olmak üzere beş farklı filtre kullanılarak deneysel çalışmalar gerçekleştirilmiştir. Önerilen çalışmayı test etmek için Bingöl ve İnönü Üniversitelerinin Ziraat Fakültelerinin çalışma alanlarından elde edilen kayısı hastalıklarından oluşan görüntüler kaydedilip kapsamlı bir veri tabanı inşa edilmiştir. Geliştirilen derin ağ modeli bu veri tabanı üzerinde test edilmiştir. Gerçekleştirilen deneysel sonuçlara göre, kayısı hastalıklarının tespiti için önerilen derin ağ modelinin diğer geleneksel görüntü tanımlayıcılarına göre daha yüksek sınıflandırma başarısına sahip olduğu gözlemlenmiştir.Öğe Görüntü işleme tabanlı bitki türleri ve hastalıkları tanıma(İnönü Üniversitesi, 2019) Türkoğlu, MuammerSon zamanlarda, bilgisayar teknolojisindeki gelişmeler ile birlikte görüntü işleme tabanlı örüntü tanıma ve sınıflandırma konularına olan ilgi artmıştır. Bu bağlamda, görüntü işleme teknolojisi; tıp, tarım, coğrafi bilimler, güvenlik sistemleri, uzay bilimleri, endüstriyel üretimler ve savunma sanayisi gibi daha birçok alanda yenilikler ve kolaylıklar sağlamıştır. Bu tez çalışmasında; bitki türlerinin tanınması, yeni türlerin tespit edilmesi, zararlı bitkilerin belirlenmesi ve bitki hastalıklarının erken tespiti gibi konular esas olmak üzere tarımsal problemlerin çözümü için yapay zekâ ve görüntü işleme tabanlı sistemler geliştirilmesine odaklanılmıştır. Bu amaç doğrultusunda, bitki türlerinin tanınması ve hastalıkların tespiti için var olan yöntemler geliştirilmiş ve yeni yöntemler önerilmiştir. Bu geliştirilen ve önerilen yöntemler aşağıda belirtilmiştir: • Bitki yaprağının geometrik şekline dayalı Kenar Adım (KA) yöntemi, • Yaprak tabanlı bitki türlerinin sınıflandırılması için bölme yaklaşımı kullanılarak şekil, renk ve doku tabanlı hibrit bir sistem, • Doku özellikleri çıkarmak için kullanılan YİÖ yönteminin geliştirilmiş versiyonu olarak BOG-YİÖ yöntemi, • Bitki yaprak türlerinin tanınması için derin-dokusal tabanlı özellik çıkarıcı bir model, • Bitki türlerinin tanınması ve sınıflandırılması için Çok-Bölmeli Derin Evrişimsel Sinir Ağı (ÇB-DESA) modeli, • Gerçek zamanlı görüntüler kullanılarak önceden eğitilmiş derin sinir ağları ile geleneksel sınıflandırıcılarına dayalı yeni bir sınıflandırma mimarisi, • Kayısı hastalıklarının tespiti için Derin Sinir Ağlarına (DSA) dayalı farklı evrişim filtrelerini içeren derin bir model, • Derin Öğrenme Tabanlı Bitki Hastalıkları ve Zararlıları Tespit Sistemi (Çoklu-ESA PlantDiseaseNet) Önerilen bu yöntemlerin başarımını değerlendirmek amacıyla literatürde var olan veri setleri kullanılmıştır. Bunun yanı sıra, gerçek zamanlı olarak elde edilmiş 15 farklı bitki hastalık görüntülerinden oluşan yeni bir veri seti inşa edilmiş ve bu veri seti kullanılarak deneysel çalışmalar yapılmıştır. Yapılan kapsamlı deneysel çalışmalardan elde edilen sonuçlara göre, bitki türlerinin ve hastalıklarının sınıflandırılmasında geliştirilen ve önerilen yöntemler yüksek başarı sağlamıştır. Bu yöntemler, gelecekte tarımsal problemlerin çözümü ile ilgili yapılacak olan otomatik tanı ve tespit sistemlerine temel oluşturacaktır. Bu tez çalışmasında, doğal ortamdan elde edilen bitki hastalık görüntüleri kullanılarak gerçek zamanlı otomatik Bitki Hastalık Tespit Yazılımı geliştirilmiştir. Bu sistem, MATLAB GUI platformu kullanılarak tasarlanmış ve masaüstü uygulaması olarak herkes tarafından kolaylıkla kullanılabilme imkânı sağlanmıştır. Bu yazılım, uzman kişilere destek olacak, kolay ve kısa sürede bitki hastalıklarının erken tespit edilmesine olanak sağlayacak, yeni enfeksiyonların oluşması ve hastalıkların neden olduğu verim kaybını önleyecektir. ANAHTAR KELİMELER: Bitki Tanıma, Bitki Hastalık Tespiti, Özellik Çıkarımı, Derin Öğrenme, Yapay Zeka, Sınıflandırma.Öğe Result Weighting-Based Resnet Feature Pyramid Network Architecture for Surface Defect Detection(2021) Hanbay, Davut; Türkoğlu, MuammerSurface defect detection is very important in manufacturing systems to ensure high quality products.Unlike manual inspections under human supervision, automatic surface defect detection is both efficient and highly accurate. In this study, a Result Weighting-based Resnet Feature Pyramid Network (SA-RÖPA) model has been developed for automatic pixel-level surface defect detection. In the first stage of the proposed model, the pre-trained Resnet50 network was used, and feature maps were extracted from the different levels of this network. In the second stage, Feature Pyramid Model was applied to these feature maps in order to hierarchically share important information in defect detection. In the third stage, 4 different error detection results were obtained by using these feature maps. In the last stage, four different results obtained using the developed Result Weighting (SA) module were effectively combined. The proposed SA-ROPA model has been tested with MT, MVTex-Doku, and AITEX datasets, which are widely used in defect detection studies. In experimental studies, the mIoU value obtained for the MT and AITEX datasets using the proposed model was calculated as 79.92%, 76.37%, and 82.72%, respectively. These results have shown that the proposed SA- ROPA model is more successful than other state-of-the-art models.
