Show simple item record

dc.contributor.advisorŞengür, Abdulkadir
dc.contributor.authorAri, Berna
dc.date.accessioned2020-12-29T12:13:48Z
dc.date.available2020-12-29T12:13:48Z
dc.date.submitted2017
dc.date.issued2020-07-27
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/409728
dc.description.abstractBitkilerin insan hayatındaki önemi büyüktür. Bitkiler, besin sektörü, endüstri ve medikal gibi birçok alanda kullanılmaktadır. Dünya üzerinde 310.000 – 450.000 arasında bitki çeşidinin varlığı bilinmektedir. Her geçen gün bilinmeyen yeni türler de ortaya çıkmaktadır. Günümüzde bitki taksonomisi daha çok geleneksel yöntemler ile yapılmaktadır. Uygun, pratik ve otomatik bir bitki tanıma sisteminin oluşturulması bitkilerin sınıflandırılması, anlaşılması ve yönetilebilmesi açısından oldukça kullanışlı bir çalışmadır. Yaprak özelliklerinden bitki tanıma, bitki sınıflandırmada kullanılan yöntemlerden bir tanesidir. Bitkilerin muhafazası ve tanınabilirliğini sağlamak için her türe ait bir bitki veri tabanı kurmak bitki tanımada uzmanlar için önemli bir adımdır. Dijital bitki kataloglama sistemi hazırlamak için bilgisayar görmesi uygulamaları ve görüntü işleme tekniklerini kullanan otomatik yaprak tanıma sistemlerinin tasarlanması, bitki türlerinin sınıflandırılmasına da hız ve verimlilik katacaktır.Bu tezde, yedi farklı kayısı türüne ait yaprak imgeleri kullanılmıştır. Bu türler sırası ile Apikoz Şalak, Çataloğlu, Çekirge İz, Hacıkızı, Hırmanlı, Paviot ve Tokatoğlu Erzincan'dır. Yedi farklı kayısı türüne ait yaprak imgeleri kullanılarak kayısı türleri derin öğrenme yöntemleri ile sınıflandırılmıştır. Derin öğrenme yöntemlerinden biri olan Evrişimsel Sinir Ağları kullanılarak %91,34 ±0,77 doğru sınıflandırma başarımı ile kayısı türleri sınıflandırılmıştır. Diğer bir derin öğrenme yöntemi olan Yerel Alıcı Alanlar-Aşırı Öğrenme Makinesi kullanılarak %97,26±0,95 doğru sınıflandırma başarımı ile kayısı türleri sınıflandırılmıştır.
dc.description.abstractPlants are very significant for human life. They are used in various fields such as food sector, industry and medical. It is known that there are 310000 – 450.000 kinds of plants in the world. As the days pass, unknown species are coming to light. Nowadays traditional Methods are generally used while classifying the plants. Creating appropriate, practical and automatic system to introduce the plant is a practical study in terms of classifying, understanding and managing the plants. Introducing the plant on account of its leaf is one of the methods which are used for classifying plants. To protect and identify the plants, creating a database for each species is an important development for specialists. To create a digital plant classification system, designing automatic leaf recognition system which uses computer vision applications and image processing techniques will provide velocity and productivity the process. In this paper, 7 different apricot images were used. These species are apikoz şalak, Çataloğlu, Çekirge İz, Hacıkızı, Hırmanlı, Paviot ve Tokatoğlu Erzincan. These appricot species are classified by using deep learning methods. Appricot species are classified with %91,34 ±0,77 success by using convolutional neural network which is among deep learning methods. By using local receptive field extreme learning machine which is another deep learning method, apricot species are classified with %97,26±0,95 success.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleKayısı yapraklarının evrişimsel sinir ağları kullanılarak sınıflandırılması
dc.title.alternativeClassification of apricot leafs via convolutional neural network
dc.typemasterThesis
dc.date.updated2020-07-27
dc.contributor.departmentElektrik-Elektronik Anabilim Dalı
dc.identifier.yokid10158504
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityFIRAT ÜNİVERSİTESİ
dc.identifier.thesisid477822
dc.description.pages40
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess