Sezgisel bulanık küme tabanlı derin öğrenme modelleriyle haploid ve diploid mısırların sınıflandırılması

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Van Yüzüncü Yıl Üniversitesi, Fen Bilimleri Enstitüsü, Yapay Zeka ve Robotik Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: İBRAHİM AYAZ

Danışman: Fatih Kutlu

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Mısır, tüm dünyada yetiştirilen buğdaygiller familyası içerisinde yer alan önemli bir tahıl bitkisidir. İnsan nüfusunun ve çevresel faktörlerin artmasıyla birlikte mısır bitkisine olan ihtiyaç her geçen gün artmaktadır. Mısır üretimini artırmanın etkili yöntemlerinden biri de mısır ıslahıdır. Mısır ıslahında en etkili ve hızlı yöntem katlanmış haploid tekniğidir. Bu teknik, mısır yetiştirme süresini kısaltır ve verimliliği artırır. Mısır ıslah sürecinde haploid mısır tohumlarının seçilmesi için farklı seçim yöntemleri bulunmaktadır. Bu seçim yöntemleri arasında en yaygın ve en başarılı seçim yöntemi R1-Navajo (R1-nj) işaretçisinin görsel olarak kontrol edilmesidir. Mısır tohumlarının elle ayrılması, zaman alan ve hataya açık bir işlemdir. Emek yoğun ve oldukça yorucudur, bu nedenle haploid ve diploid mısır tohumlarını birbirinden ayrıştıracak hızlı ve yüksek doğruluklu akıllı bir sistemin geliştirilmesi elzemdir. Bu tezde, haploid ve diploid mısır imgeleri, sezgisel bir bulanık c-ortalama algoritması kullanılarak R1-nj renklendirmesine göre bölümlere ayrılmıştır. Mısır tohumlarının sınıflandırılması için yeni bir hibrit derin öğrenme modeli önerilmiştir. Önerilen hibrit model, CBAM, hiper sütun, 2B üst örnekleme ve artık blok gibi bazı yeni teknikler kullanılmıştır. Veri seti 3000 mısır imgesinden oluşmaktadır. Mısır imgeleri sezgisel bulanık kümeleme algoritmasıyla bölütlenmiştir. Önerilen yöntemlerin performans ölçümleri için 5 katlı çapraz doğrulama tekniği kullanılmıştır. IFCM+CNN modeliyle kabul edilebilir başarım elde edilmiştir. CNN modeliyle 94.13% doğruluk, 94.91% F1-Skoru ve 97.27% hassasiyet ile yüksek başarımlı bir sonuç elde edilmiştir.