İnsansız hava araçlarında gerçek zamanlı görüntü işleme ve yapay zekâ kullanarak yabancı ot tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ondokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsü, Akıllı Sistemler Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: ELİF KAPUSIZOĞLU
Danışman: Cengiz Tepe
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Mahsüllerde bulunan yabancı otların algılanması zorlu ve yoğun uğraş gerektiren bir görevdir. Tez çalışması kapsamında sahadan toplanan görüntüler çeşitli hazırlık işlemlerinden geçirildikten sonra model eğitimine hazır hale getirilmiştir. Bu görevin gerçekleştirilebilmesi için veri toplama, veri etiketleme, veri çoğullama adımları uygulanmıştır. Veri çoğullama adımlarıyla fotoğraflara gürültü, bulanıklık ve dönüşüm işlemleri uygulanmış farklı koşullarda model başarımının artırılması hedeflenmiştir. Eğitim sırasında model performansını olumsuz etkileme ihtimali göz önünde bulundurularak % 1-5 arasında bulanıklık ve gürültü eklenmiştir. Bu sayede görsellerde yer alan yabancı ot görüntüleri tamamen kaybolmamıştır ancak zorlu koşullara adaptasyonu sağlanmıştır. Elde edilen veriler Yolo4-tiny, Yolo-NAS, Yolo 11 ve Roboflow 3.0 algoritmalarıyla eğitilmiştir. Modellerin başarım oranlarına karşılaştırmalı olarak yer verilen çalışmada bu görev kapsamında yabancı otların algılanmasına ek olarak aynı anda algılanan yabancı otların görüntülenmesini sağlayacak bir sistem üzerinde çalışılmıştır. Bu sistem farklı insansız hava araçlarıyla çalışabilmesine olanak sağlamak amacıyla portatif olarak geliştirilmiştir. Geliştirilen sistemde yapay zekâ ve görüntü işleme işlemleri için özel olarak tasarlanmış Jetson Nano 4 GB üzerinden model performansı test edilmiştir. Performansın karşılaştırılabilmesi için kesinlik, duyarlılık, map ve FPS değerlendirme ölçütleri kullanılmıştır. Yapılan çalışma sonucunda tüm modeller için ortalama %90 üzeri bir başarım elde edilmiştir. Model performanslarının birbirine yakın olması nedeniyle gerçek zamanlı görüntü aktarımı sisteminde seçici olan metrik olarak FPS ele alınmıştır ve bu doğrultuda gerçek zamanlı görüntü işleme sisteminde kullanılmaya en uygun model olarak %91.23 ortalama doğruluk değerine sahip olan Yolo4-tiny modeli seçilmiştir.