Transfer öğrenme, özellik seçimi ve makine öğrenmesi yöntemlerine dayalı karma bir yaklaşım ile nohut tohumu çeşitlerinin çoklu sınıflandırılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: İbrahim Kılıç
Danışman: Nesibe Yalçın
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:İnsanın yaşamını sağlıklı bir şekilde idame ettirebilmesi için yeterli ve dengeli beslenmesi oldukça önemlidir. Proteinler, insan vücudunun ihtiyaç duyduğu temel besin öğeleri içerisinde yer alır. Kaliteli protein kaynaklarından biri nohut bitkisidir. Bununla birlikte kuru ve sıcak koşullara dayanıklı olması, küresel ısınma (beraberinde iklim değişikliği) ve artan dünya nüfusu dikkate alındığında nohutun önemini daha da artırmaktadır. Bu tez çalışmasında, tohum seçimi problemine nohut bitkisi çerçevesinde odaklanılmış ve nohut çeşitlerinin yüksek başarımla sınıflandırılması için yapay zeka tabanlı karma yöntemler önerilmiştir. Söz konusu yöntemler, transfer öğrenme (transfer learning, TL) yaklaşımıyla üç ön eğitimli model (ResNet50, DenseNet201 ve EfficientNetB0) kullanılarak özellik çıkarımını, ReliefF algoritması ile en önemli özelliklerin seçimini ve makine öğrenmesi algoritmaları kullanılarak nohut tohumlarının çeşitlerine göre sınıflandırılmasını içermektedir. Sınıflandırma işlemi için Destek Vektör Makinesi (Support Vector Machine, SVM), K En Yakın Komşu, Naïve Bayes ve Doğrusal Diskriminant Analizi (Linear Discriminant Analysis, LDA) algoritmaları kullanılmış ve en başarılı karma yöntemler olan TL+SVM ve TL+LDA ile sırasıyla 0,944 ve 0,940 doğruluk elde edilmiştir. Hisar ve İnci, en az hata ile sınıflandırılan nohut çeşitleri olmuştur. Tez sonuçları, tarımda nohut sınıflandırma problemi için umut vericidir. Önerilen yöntemler, nohut sınıflandırma görevlerini otomatik gerçekleştirmek amacıyla akıllı telefon uygulamalarına ve bilgisayarlı görü sistemlerine entegre edilebilir.