Tez Açık Erişim

TOKAT BÖLGESİ BUĞDAY ÜRETİMİNDE BAZI YABANCI OTLARIN DERİN ÖĞRENME YÖNTEMİ İLE TESPİT EDİLMESİ

Güzel Mustafa


DataCite XML

<?xml version='1.0' encoding='utf-8'?>
<resource xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://datacite.org/schema/kernel-4" xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4.1/metadata.xsd">
  <identifier identifierType="DOI">10.48623/aperta.252241</identifier>
  <creators>
    <creator>
      <creatorName>Güzel Mustafa</creatorName>
      <affiliation>Tokat Gaziosmanpaşa Üniversitesi</affiliation>
    </creator>
  </creators>
  <titles>
    <title>Tokat Bölgesi̇ Buğday Üreti̇mi̇nde Bazi Yabanci Otlarin Deri̇n Öğrenme Yöntemi̇ İle Tespi̇t Edi̇lmesi̇</title>
  </titles>
  <publisher>Aperta</publisher>
  <publicationYear>2022</publicationYear>
  <subjects>
    <subject>Yabancı Ot Tespiti</subject>
    <subject>Derin Öğrenme</subject>
    <subject>Farklı Fenolojik Dönemler</subject>
    <subject>YOLOv5</subject>
  </subjects>
  <dates>
    <date dateType="Issued">2022-07-29</date>
  </dates>
  <resourceType resourceTypeGeneral="Text">Thesis</resourceType>
  <alternateIdentifiers>
    <alternateIdentifier alternateIdentifierType="url">https://aperta.ulakbim.gov.tr/record/252241</alternateIdentifier>
  </alternateIdentifiers>
  <relatedIdentifiers>
    <relatedIdentifier relatedIdentifierType="DOI" relationType="IsVersionOf">10.48623/aperta.252240</relatedIdentifier>
  </relatedIdentifiers>
  <rightsList>
    <rights rightsURI="https://creativecommons.org/licenses/by-nc-nd/4.0/">Creative Commons Attribution-NonCommercial-NoDerivatives</rights>
    <rights rightsURI="info:eu-repo/semantics/openAccess">Open Access</rights>
  </rightsList>
  <descriptions>
    <description descriptionType="Abstract">&lt;p&gt;D&amp;uuml;nya genelinde canlı n&amp;uuml;fus artışının hızlanarak devam etmesi ve buna bağlı olarak y&amp;uuml;kselen besin ihtiyacını karşılamak amacıyla &amp;uuml;retilen &amp;ouml;nemli tarımsal besin kaynaklarından birisi de buğday bitkisidir. Buğday &amp;uuml;retiminde verim ve kalite d&amp;uuml;ş&amp;uuml;kl&amp;uuml;ğ&amp;uuml;ne sebep olan &amp;ouml;nemli biyotik etmenlerin başında yabancı otların varlığı gelmektedir. Yabancı otlarla daha etkin bir m&amp;uuml;cadele ger&amp;ccedil;ekleştirmek, kullanılan herbisitlerin zararlı yanlarını ve maliyetini azaltmak i&amp;ccedil;in yabancı otların yerlerini ve t&amp;uuml;rlerini belirlemek gereklidir. Ancak bir uzman g&amp;ouml;r&amp;uuml;ş&amp;uuml; ile bu denli hassas tespitlerin yapılabilmesi, yapay zeka algoritmalarının son d&amp;ouml;nemde g&amp;ouml;sterdiği başarı ile &amp;ccedil;ok daha hızlı ve kolay olabilmektedir. Bu &amp;ccedil;alışmada buğday &amp;uuml;retim alanlarında &amp;ouml;nemli kayıplara ve zehirlenmelere sebep olan yabani hardal (Sinapis arvensis L.), k&amp;ouml;yg&amp;ouml;&amp;ccedil;&amp;uuml;ren (Cirsium arvense (L.) Scop) ve tarla hazeranının (Consolida regalis Gray) derin &amp;ouml;ğrenme y&amp;ouml;ntemi ile tespit edilmesi sağlanmıştır. Her bir bitkinin tanımlama ve m&amp;uuml;cadelesi i&amp;ccedil;in faydalı olan 5 farklı fenolojik d&amp;ouml;nemi (kotiledon yaprak d&amp;ouml;nemi, 3-5 yapraklı d&amp;ouml;nem, &amp;ccedil;i&amp;ccedil;eklenme &amp;ouml;ncesi d&amp;ouml;nem, &amp;ccedil;i&amp;ccedil;eklenme d&amp;ouml;nemi ve meyve ve tohum bağlama d&amp;ouml;nemi) ayrı sınıflandırmaya tabi tutularak 15 farklı sınıflandırma işlemi yapılmıştır. Her sınıfa ait g&amp;ouml;r&amp;uuml;nt&amp;uuml;lerdeki etiketlenen toplam 145 792 nesne ile YOLOv5 derin &amp;ouml;ğrenme modeli kullanılmıştır. YOLOv5&amp;rsquo;e ait t&amp;uuml;m sinir ağları (Nano, Small, Medium, Large ve ExLarge) eğitime tabi tutularak, sinir ağlarının Doğruluk, Geri &amp;Ccedil;ağırım, F-1 Puanı ve AUC performansları değerlendirilmiştir. Kullanılan sinir ağlarından en başarılı olan sinir ağı %98 ile YOLOv5s (small) olurken, t&amp;uuml;m sinir ağları en y&amp;uuml;ksek performanslarını KG2&amp;rsquo;de (k&amp;ouml;yg&amp;ouml;&amp;ccedil;&amp;uuml;ren 3-5 yapraklı d&amp;ouml;nem) g&amp;ouml;stermiştir. Sinir ağlarının en d&amp;uuml;ş&amp;uuml;k performans g&amp;ouml;sterdikleri grup ise en y&amp;uuml;ksek oranla YOLOv5s (small) ile %45 iken en d&amp;uuml;ş&amp;uuml;k değer ise YOLOv5n (nano) ile %8 değeriyle TH5&amp;rsquo;e (tarla hazeranı tohum bağlama d&amp;ouml;nemi) ait olmuştur. Bu &amp;ccedil;alışma, yabancı otların farklı fenolojik d&amp;ouml;nemlerine g&amp;ouml;re bilgisayar g&amp;ouml;rmesi ile tespit edilebilmesi bakımından bir ilk olmuştur.&lt;/p&gt;</description>
  </descriptions>
  <fundingReferences>
    <fundingReference>
      <funderName>Türkiye Bilimsel ve Teknolojik Araştirma Kurumu</funderName>
      <funderIdentifier funderIdentifierType="Crossref Funder ID">https://doi.org/10.13039/501100004410</funderIdentifier>
      <awardNumber>120O888</awardNumber>
    </fundingReference>
  </fundingReferences>
</resource>
395
490
görüntülenme
indirilme
Tüm sürümler Bu sürüm
Görüntülenme 395395
İndirme 490490
Veri hacmi 3.5 GB3.5 GB
Tekil görüntülenme 360360
Tekil indirme 444444

Alıntı yap