KOYUNLARDA KORKU DAVRANIŞLARININ BELİRLENMESİNDE VE SINIFLANDIRILMASINDA FARKLI MAKİNE ÖĞRENİMİ ALGORİTMALARININ KULLANIMI

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Van Yüzüncü Yıl Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: Cafer Tayyar Bati

Danışman: Gazel Ser

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez çalışmasında, koyunlarda mizacın sınıflandırılması amacıyla korku testi (arena testi) davranış özelliklerinin yer aldığı video kayıtları kullanılarak, makine öğrenmesi ve derin öğrenme algoritmalarından yararlanılmıştır. Bu amaçla, 3-4 yaşlı 100 baş Norduz koyununa ait arena test davranış özelliklerini içeren video görüntüleri kullanılmıştır. Çalışmanın ilk aşamasında, her hayvanın arena davranış özelliklerinin yer aldığı veri seti, dört farklı denetimsiz makine öğrenmesi algoritması kullanılarak, hayvanlar mizaç özelliklerine göre (aktif ve pasif) kümelenmiştir. İkinci aşamada, etiketlenmiş veri, altı farklı denetimli makine öğrenmesinde değerlendirilmiştir. Bu aşamada, sınıflandırma tahmin performanslarına göre en başarılı denetimsiz öğrenme algoritması belirlenmiş ve video görüntülerinin etiketlenmesi gerçekleştirilmiştir. Üçüncü aşamada, etiketlenen video görüntülerinden üç farklı veri seti oluşturulmuştur. Bu veri setleri, farklı derin öğrenme modelleri kullanılarak sınıflandırma performansları elde edilmiştir. Son aşamada ise en iyi model kombinasyonu belirlenerek, gerçek zamanlı görüntülemede kullanılmıştır. Davranış özellikleri veri setini kümelemede k-ortalamalar yöntemi ve arena davranış özelliklerini sınıflandırmada ise destek vektör makineleri ve Naive Bayes yöntemleri oldukça başarılıdır. Video görüntüleri kullanılarak yapılan üçüncü aşama sonuçlarında ise dengeli ve optik akışa sahip üçüncü veri setiyle eğitilen modellerden (model 3.1, 4.2 ve 5.3'den sırasıyla %100, %95 ve %90) başarılı performanslar elde edilmiştir. Sonuç olarak, video kayıtlarından elde edilen davranış özelliklerinin sınıflandırılmasında, optik akış yönteminin kullanımı başarılı performansların elde edilmesini sağlamıştır. Bu çalışmayla hayvan davranış özelliklerinin sınıflandırılmasında geliştirilen makine öğrenimi modellerinin, hassas hayvancılık uygulamalarına katkı sağlayacağı söylenebilir.