Üzüm türünün tespiti için çok katmanlı yerel ikili örüntüler
dc.contributor.advisor | Kaya, Yılmaz | |
dc.contributor.author | Özdemir, Burhan | |
dc.date.accessioned | 2020-12-06T15:31:47Z | |
dc.date.available | 2020-12-06T15:31:47Z | |
dc.date.submitted | 2018 | |
dc.date.issued | 2018-08-06 | |
dc.identifier.uri | https://acikbilim.yok.gov.tr/handle/20.500.12812/105169 | |
dc.description.abstract | Çok fazla sayıda çeşide sahip üzüm bütün dünyada yetiştirilen en önemli tarımsal ürünler arasında yer almaktadır. Gözlem yapılarak üzüm türlerinin sınıflandırılması çok güçlü bir botanik bilgisi gerektirmektedir. Bu durum çoğu zaman botanik bilimcileri için bile çok zor bir alan olmuştur. Ayrıca alanında uzman botanikçilerin sayısındaki azalma bitki türlerinin tanımlanması için görüntü işleme ve ilişkilerin tanımlanmasına dayalı teknikler gibi farklı yöntemlerin kullanımını zorunlu hale getirmiştir. Ayrıca kamera sistemlerinin ve diğer portatif cihazların geliştirilmesi gibi konuyla ilgili farklı alanlardaki gelişmeler bu düşüncenin uygulanabilirliğini artırmıştır. Üzümlerin tanımlanması ve çeşitlerin doğru olarak belirlenmesi sistematik açıdan önem arz etmektedir. Bu çalışmada, üzüm türlerinin tespiti için klasik teşhis yöntemlerine alternatif olarak bilgisayar görü tabanlı bir yöntem önerilmiştir. Üzüm türlerinin sınıflandırılması için karakteristik özelliklere sahip üzüm çekirdek görüntüleri kullanılmıştır. Çalışmada renkli çekirdek görüntülerinden etkili özellikler çıkarmak için yerel ikili örüntüler (Local Binary Pattern=LBP) tabanlı yeni bir yaklaşım önerilmiştir. Önerilen yöntemde renkli görüntüler için kullanılmaktadır. Üzüm türlerin tespiti iki aşamada gerçekleştirilmiştir. Birinci aşamada öznitelikler elde edilmiş, ikinci aşamada ise bu öznitelikler farklı makine öğrenmesi yöntemleri kullanılarak 10-katlı çapraz geçerlilik testi ile sınıflandırma işlemi gerçekleştirilmiştir. Çalışma sonunda sınıflandırma başarısı %82,10 olarak bulunmuştur. | |
dc.description.abstract | Grapes with a large number of varieties are among the most important agricultural products grown all over the world. Observation and classification of grape species requires very robust botanical knowledge. This has often been a very difficult area for botanical scientists too. In addition, the reduction in the number of botanists has made it necessary to use different methods for identification of plant species, such as techniques based on image processing and identification of relationships. In addition, developments in different areas related to the subject, such as the development of camera systems and other portable devices, have increased the applicability of this idea. The identification of grapes and the correct identification of grape varieties are of systematic importance. In this study, a computer vision-based method was proposed as an alternative to classical diagnostic methods for the detection of grape varieties. Grape seed images with characteristic features were used for the classification of grape species. In the study, A new approach based on Local Binary Pattern (LBP) has been proposed to produce effective features from color kernel images. Recommended method is used for color images. The detection of grape varieties was carried out in two stages. Attributes were obtained in the first stage, and in the second stage, classification by 10-fold cross validity test was performed by using different machine learning methods through these attributes. At the end of the study, the classification success was obtained as 82,10%. | en_US |
dc.language | Turkish | |
dc.language.iso | tr | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution 4.0 United States | tr_TR |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | |
dc.subject | Elektrik ve Elektronik Mühendisliği | tr_TR |
dc.subject | Electrical and Electronics Engineering | en_US |
dc.title | Üzüm türünün tespiti için çok katmanlı yerel ikili örüntüler | |
dc.title.alternative | Multilayer local binary patterns for grape types detection | |
dc.type | masterThesis | |
dc.date.updated | 2018-08-06 | |
dc.contributor.department | Elektrik-Elektronik Mühendisliği Anabilim Dalı | |
dc.identifier.yokid | 10186764 | |
dc.publisher.institute | Fen Bilimleri Enstitüsü | |
dc.publisher.university | SİİRT ÜNİVERSİTESİ | |
dc.identifier.thesisid | 503383 | |
dc.description.pages | 72 | |
dc.publisher.discipline | Diğer |