Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Van Yüzüncü Yıl Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik (Yl) (Tezli), Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Muhammed Mücahit ARVAS
Danışman: Recep Özdağ
Özet:
Sadece devlet kontrolünde yetiştirilen haşhaş, kenevir ve tütün bitkilerinin kaçak yoldan üretilmesinin tespiti için döner kanatlı İnsansız Hava Aracı (İHA) görüntülerini kullanarak derin öğrenme algoritmalarından YOLOv5 (You Only Look Once) teknolojisi ile özelleştirilmiş nesne algılama ve sınıflandırma yapmaktır. Bu tez çalışmasında, döner kanatlı İHA kullanılmasının önemi; uçuş sırasında pervane açısını değiştiren mekanik bir sisteme ihtiyaç olmayışı ve dört pervane kullanılması sayesinde her bir pervanenin çapının küçük olmasına imkân sağlaması, pervanelerin kinetik enerjilerinin ve çarpma anında oluşan hasarın düşük seviyede kalması ve özellikle tarım arazileri için uygunluğudur. Gerçek zamanlı alınan görüntüler üzerinde Yapay Zekâ (YZ) yöntemlerinin kullanılması çalışmanın etkinlik alanını ve gerçeklik oranındaki doğruluğunu arttırmaktadır. Bu tezde, döner kanatlı İHA kullanılarak tarım alanlarındaki görüntülerin çekilmesi ile veri seti oluşturulmuştur. Veri seti Google Colaboratory (Colab) tarafında eğitilerek YOLOv5 ile YOLOR (You Only Learn One Representation) algoritmaları karşılaştırılmıştır. Veri seti üzerinde yapılan eğitimlerde YOLOv5 algoritmasında en yüksek doğruluk oranına ulaşılsa da YOLOR algoritması ile daha kısa bir sürede veri setinin eğitimi gerçekleştirmiştir. Veri seti üzerinde yapılan gerçek zamanlı nesne tespiti test işlemlerinde YOLOR algoritmasına kıyasla YOLOv5 algoritması tarafında bitkilerin daha başarılı bir şekilde sınıflandırıldığı sonucuna ulaşılmıştır. Dolayısıyla bu tezde, YOLOv5 algoritması önerilerek literatüre katkı sağlayacağı aşikârdır.