29 Temmuz 2022 Tez Açık Erişim

Güzel Mustafa

Dublin Core

<?xml version='1.0' encoding='utf-8'?>
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
  <dc:creator>Güzel Mustafa</dc:creator>
  <dc:date>2022-07-29</dc:date>
  <dc:description>Dünya genelinde canlı nüfus artışının hızlanarak devam etmesi ve buna bağlı olarak yükselen besin ihtiyacını karşılamak amacıyla üretilen önemli tarımsal besin kaynaklarından birisi de buğday bitkisidir. Buğday üretiminde verim ve kalite düşüklüğüne sebep olan önemli biyotik etmenlerin başında yabancı otların varlığı gelmektedir. Yabancı otlarla daha etkin bir mücadele gerçekleştirmek, kullanılan herbisitlerin zararlı yanlarını ve maliyetini azaltmak için yabancı otların yerlerini ve türlerini belirlemek gereklidir. Ancak bir uzman görüşü ile bu denli hassas tespitlerin yapılabilmesi, yapay zeka algoritmalarının son dönemde gösterdiği başarı ile çok daha hızlı ve kolay olabilmektedir. Bu çalışmada buğday üretim alanlarında önemli kayıplara ve zehirlenmelere sebep olan yabani hardal (Sinapis arvensis L.), köygöçüren (Cirsium arvense (L.) Scop) ve tarla hazeranının (Consolida regalis Gray) derin öğrenme yöntemi ile tespit edilmesi sağlanmıştır. Her bir bitkinin tanımlama ve mücadelesi için faydalı olan 5 farklı fenolojik dönemi (kotiledon yaprak dönemi, 3-5 yapraklı dönem, çiçeklenme öncesi dönem, çiçeklenme dönemi ve meyve ve tohum bağlama dönemi) ayrı sınıflandırmaya tabi tutularak 15 farklı sınıflandırma işlemi yapılmıştır. Her sınıfa ait görüntülerdeki etiketlenen toplam 145 792 nesne ile YOLOv5 derin öğrenme modeli kullanılmıştır. YOLOv5’e ait tüm sinir ağları (Nano, Small, Medium, Large ve ExLarge) eğitime tabi tutularak, sinir ağlarının Doğruluk, Geri Çağırım, F-1 Puanı ve AUC performansları değerlendirilmiştir. Kullanılan sinir ağlarından en başarılı olan sinir ağı %98 ile YOLOv5s (small) olurken, tüm sinir ağları en yüksek performanslarını KG2’de (köygöçüren 3-5 yapraklı dönem) göstermiştir. Sinir ağlarının en düşük performans gösterdikleri grup ise en yüksek oranla YOLOv5s (small) ile %45 iken en düşük değer ise YOLOv5n (nano) ile %8 değeriyle TH5’e (tarla hazeranı tohum bağlama dönemi) ait olmuştur. Bu çalışma, yabancı otların farklı fenolojik dönemlerine göre bilgisayar görmesi ile tespit edilebilmesi bakımından bir ilk olmuştur.</dc:description>
  <dc:identifier>https://aperta.ulakbim.gov.trrecord/252241</dc:identifier>
  <dc:identifier>oai:aperta.ulakbim.gov.tr:252241</dc:identifier>
  <dc:language>tsm</dc:language>
  <dc:rights>info:eu-repo/semantics/openAccess</dc:rights>
  <dc:rights>https://creativecommons.org/licenses/by-nc-nd/4.0/</dc:rights>
  <dc:subject>Yabancı Ot Tespiti</dc:subject>
  <dc:subject>Derin Öğrenme</dc:subject>
  <dc:subject>Farklı Fenolojik Dönemler</dc:subject>
  <dc:subject>YOLOv5</dc:subject>
  <dc:title>TOKAT BÖLGESİ BUĞDAY ÜRETİMİNDE BAZI YABANCI OTLARIN DERİN ÖĞRENME YÖNTEMİ İLE TESPİT EDİLMESİ</dc:title>
  <dc:type>info:eu-repo/semantics/doctoralThesis</dc:type>
  <dc:type>publication-thesis</dc:type>
</oai_dc:dc>