Görüntü işleme ve sinir ağları ile bitki gelişim analizlerinin yapılması için yöntemlerin belirlenmesi: Zeytin örneği

Basit Öğe Kaydı
dc.authorid0000-0002-8650-4319en_US
dc.contributor.advisorGüvenoğlu, Erdal
dc.contributor.authorMumcu, Sabri
dc.date.accessioned2024-07-12T22:36:14Z
dc.date.available2024-07-12T22:36:14Z
dc.date.issued2023en_US
dc.date.submitted2023-09en_US
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractGörüntü işleme ve yapay zekâ uygulamaları her geçen gün kullanımı ve insanlığa hizmet edecek bir dizi çözümler üretmek konusunda gelişmesine devam etmektedir. Belirli bir konuda eğitilmiş ve kendini geliştiren yapay zekâ uygulamalarının tarım alanlarında etkin kullanımına hizmet etmek için bu tez çalışması yapılmıştır. Türkiye, zeytin ağacı sayısı bakımından dünyada birinci sırada, ancak ağaç başı verimde oldukça düşüktür. Yine de, Avrupa Birliği ülkelerinin ardından zeytin üretiminde ikinci sırayı almasına ve dünyanın önemli zeytin bölgeleri arasında yer almasına rağmen, ülkemizde zeytin tarımı istenen düzeyde ilerleyememiştir. Bu durumun temel sebebi, tarımsal teknik ve teknolojideki ilerlemelerin zeytin tarımına yeterince yansıtılamamış olmasıdır. Zeytinlik alanlarda hassas tarım yöntemleri ve modern zeytin yetiştirme prensipleri göz önünde bulundurulmalıdır. Görüntü işleme ve sinir ağları ile bitki gelişim izleme sistemi geliştirilmeye ve zeytin bitkisi üzerinde örnekleme yapılmıştır. Zeytin bitkisinin üretim veriminin artırılması için görüntü işleme ve sinir ağları ile bitki gelişim izleme sistemlerinin geliştirilmesine ve uygulanmasına yönelik bir altyapıya ihtiyaç vardır. Bu çalışmada, zeytin ağaçları üzerindeki nesnelerin gerçek zamanlı tespiti, sınıflandırılması ile elde edilen sonuçlar sunulmuştur. Önerilen yöntemin deneysel çalışmalarında bir zeytin bitkisi kullanılmıştır. Çalışma ortamındaki zeytin bitkisinin görüntüsü bir kamera ile çekilmiş ve görüntü işleme teknikleri kullanılarak işlenmiştir. Görüntü düzlemi üzerindeki zeytinlerin boyut ve alan verileri hesaplanmıştır. Elde edilen veriler değerlendirilerek zeytinler gerçek zamanlı olarak sınıflara ayrılmıştır. Daha sonra belirlenen sınıflara ait görüntüler üzerinden ölçüm sistemi devreye sokularak, sınıfa ait ölçümlere dayalı analizlerin oluşturulması için altyapı oluşturulmuştur.en_US
dc.description.abstractImage processing and artificial intelligence applications continue to develop every day to produce a series of solutions that will serve humanity. This thesis was conducted to serve the effective use of artificial intelligence applications, which are trained in a specific subject and improve themselves, in agricultural fields. Turkey ranks first in the world in terms of the number of olive trees, but the yield per tree is quite low. Nevertheless, despite ranking second in olive production after the European Union countries and being among the important olive regions of the world, olive agriculture in our country has not progressed at the desired level. The main reason for this situation is that advances in agricultural techniques and technology have not been sufficiently reflected in olive agriculture. In olive groves, precision agriculture methods and modern olive cultivation principles should be taken into consideration. A plant growth monitoring system was developed with image processing and neural networks and sampling was carried out on olive plants. In order to increase the production efficiency of the olive plant, there is a need to develop and implement plant growth monitoring systems with image processing and neural networks. In order to achieve this, an infrastructure is needed. In this study, real-time detection and classification of objects in the environment and the results obtained are presented. An olive plant is used in the experimental studies of the proposed method. The image of the olive plant in the study environment is captured with a camera and processed using image processing techniques. The size and area data of the olives on the image plane are calculated. By evaluating the obtained data, the olives are classified into classes in real time. Then, the measurement system is activated over the images belonging to the determined classes, and the infrastructure is created to create analyzes based on the measurements of the class.en_US
dc.identifier.citationMumcu, S. (2023). Görüntü işleme ve sinir ağları ile bitki gelişim analizlerinin yapılması için yöntemlerin belirlenmesi: Zeytin örneği / Determination of methods for plant growth analysis with image processing and neural networks: The olive example. (Yayımlanmamış Doktora Tezi). Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12415/12468
dc.language.isotren_US
dc.publisherT.C. Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmzKT2532en_US
dc.subjectGörüntü işlemeen_US
dc.subjectNesne tespitien_US
dc.subjectEvrişimsel sinir ağlarıen_US
dc.subjectYapay zekâen_US
dc.subjectZeytin hastalıkları ve zararlılarıen_US
dc.titleGörüntü işleme ve sinir ağları ile bitki gelişim analizlerinin yapılması için yöntemlerin belirlenmesi: Zeytin örneğien_US
dc.title.alternativeDetermination of methods for plant growth analysis with image processing and neural networks: The olive exampleen_US
dc.typeDoctoral Thesisen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Sabri_Mumcu_191450101.pdf
Boyut:
4.21 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu