Ceviz çeşitlerinin sürgün ve yaprak görüntüleri kullanarak derin öğrenme yöntemiyle erken dönemlerde tespit edilmesi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Isparta Uygulamalı Bilimler Üniversitesi, Lisansüstü Eğitim Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: Türkçe

Öğrenci: ALİ ALTINALAN

Danışman: Kıyas KAYAALP

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Ülkemiz ceviz yetiştiriciliğinde dünyanın önemli ülkeleri arasındadır. Ülkemizde yetiştirilen ceviz miktarı, ülke ihtiyacını karşılayacak düzeyde değildir. Yeterli olmamasının temel sebebi de bilinçli bir ceviz yetiştiriciliğinin ülkemizde yapılamamasıdır. Besin değeri yüksek olan ceviz yetiştiriciliğinde iklim ve toprak koşullarına uygun ceviz türünü seçmek önemlidir. Ceviz yetiştiriciliğinde, bahçe kurulumunun maliyetli olması ve ceviz meyve verme süresinin yıllar almasından dolayı, doğru ceviz türünü seçmek, yapılması gereken ilk iş olmalıdır. Ceviz ağaçlarının türlerini ayırt etmek ise oldukça zordur. Ceviz türleri birbirlerine, renk, doku ve yaprak yapıları olarak çok benzemektedirler. Genelde cevizin türünü belirlemek için ağacın meyve vermesi beklenmektedir. Literatürde ceviz çeşitlerini belirlemek için yapılan çalışmaların geneli ceviz meyvesi üzerine yapılan sınıflandırma çalışmalarıdır. Bu çalışmada sadece ceviz yaprak görüntüleri kullanılmamış aynı zamanda bir ilk olarak ceviz sürgün görüntüleri de kullanılmıştır. Literatüre katkı olarak 10 farklı ceviz türüne ait 3 552 sürgün ve 10 000 yaprak görüntüsü içeren veri setleri oluşturulmuştur. Sürgün ve yaprak veri setindeki görüntülerin sınıflandırılması derin öğrenme modelleri ile ayrı ayrı yapılarak karşılaştırılmıştır. Aynı zamanda başarım oranını değerlendirebilmek için hibrit modeller geliştirilerek sınıflandırma çalışmaları da yapılmıştır. Sürgün veri setinin sınıflandırılması için önerilen en başarılı derin öğrenme modeli, %98.52 başarı oranı ile DenseNet201 modeli olmuştur. Yine sürgün veri setinin hibrit modellerle yapılan eğitiminde geliştirilen Dense-Walnut modeli ile %98.30 başarı oranına ulaşılmıştır. Yaprak veri setinin sınıflandırılması için de en başarılı derin öğrenme modeli olan DenseNet201 modeli ile %95.52 başarı oranı elde edilmiştir. Hibrit modellerin sınıflandırma çalışmasında yaprak veri seti üzerinde DenseNet201+EfficientNetB3 modeli %97.84 başarı oranı elde etmiştir.