Page 22 - E-Tez Bülteni Mart 2025, SAYI 2
P. 22

Tez Özeti

        Tarımda otomasyonun gelişmesiyle birlikte meyvelerin sağlık durumunun gözlemlenmesi, rekolte tahmini ve otomatik bir şekilde hasat
        edilebilmesi gibi tarımsal uygulamaların yapılabilmesi için meyvelerin mekânsal konumlarının belirlenmesi hassas tarım açısından büyük
        önem  taşımaktadır.  Tez  çalışmasında,  bir  kivi  ağacına  ait  LiDAR  nokta  bulutu  verileri  kullanılarak,  Destek  Vektör  Makinesi  (DVM)
        algoritması  ile  kivi  ağacına  ait  kivi-kivi  dışı  noktalarının  segmentasyonu  hedeflenmiş  ve  tarım  sektöründe  rekolte  tahminine  katkıda
        bulunmak için makine öğrenme yöntemlerinden faydalanılması amaçlanmıştır. LiDAR verisinden elde edilen kırmızı, yeşil ve mavi renk
        değerleri bilgileri ve her nokta için X, Y, Z yönlerinde hesaplanan yüzey normal vektörü değerleri DVM’ ye girdi veri olarak sunulmuş
        ve sınıflandırma için eğitim işlemi gerçekleştirilmiştir. Çalışmada, yersel LİDAR tarayıcısı ile taranmış 1 adet kivi ağacına ait nokta bulutu
        kullanılmıştır. Nokta bulutu verisi 6 parçaya bölünmüş ve 2 tanesi DVM eğitim, 4 tanesi ise test işlemi için kullanılmıştır. DVM eğitiminde,
        ilgili  veriye  en  uygun  ayar  parametrelerinin  tespiti  için  Grid  Search  Optimizasyon  algoritmasından  faydalanılmış  ve  eğitim  işlemi
        gerçekleştirilmiştir. Eğitim işlemi için doğruluk değerleri; Genel Doğruluk, Kesinlik, Geri Çağırma, F1-Skor ve Birleşimlerin Kesişimi doğruluk
        metrikleri  için  sırasıyla  0.95,  0.88,  0.86,  0.87  ve  0.79  olarak  hesaplanmıştır.  Test  işlemi,  kivi  ağacına  ait  4  parça  nokta  bulutu  ile
        gerçekleştirilmiş  olup,  aynı  doğruluk  metrikleri  için  sırasıyla  ortalama  doğruluk  değerleri;  0.95,  0.80,  0.86,  0.82  ve  0.73  olmak  üzere
        hesaplanmıştır.
                     Anahtar kelimeler: Destek Vektör Makinesi, Nokta Bulutu, Meyve Tespiti, Hassas Tarım
   17   18   19   20   21   22   23   24   25   26   27