Advanced Search

Show simple item record

dc.contributor.advisorTiryaki, Ali Murat
dc.contributor.authorFidan, Sertuğ
dc.date.accessioned2023-12-11T19:56:48Z
dc.date.available2023-12-11T19:56:48Z
dc.date.issued2023
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=nLNfCsWgUluh5T2iyudShgnb4i_McchdtzqIm0F1HPyecsq0sbvR8tNyp9bMULJa
dc.identifier.urihttps://hdl.handle.net/20.500.12428/4648
dc.description.abstractÜretimi kolay olması, özellikle hayvan yemi olarak kullanılabilme olanağı yüzünden mısırın verimli bir şekilde üretimi toplumumuzun sürdürülebilirliği açısından büyük önem taşımaktadır. Günümüzde mısır ıslahı için kullanılan en popüler yöntem Katlanmış Haploid (Doubled Haploid, DH)'tir. Bu yöntemin kullanılmasında en önemli adımlardan birisi haploid tohumların, diploid tohumlardan ayrılmasıdır. Bu sınıflandırma işlemi genellikle eğitimli teknisyenler tarafından yapılmaktadır. Makine öğrenmesi yöntemlerindeki gelişmeler sonucunda bu işlem çeşitli sensör verilerinden yararlanılarak otomize edilebilir hale gelmiştir. Bu çalışmada, sınıflandırma işlemini gerçekleştirmek için 1230 haploid ve 1770 diploid mısır tohumu görüntüsünden yararlanılarak yeni bir Evrişimli Sinir Ağı (Convolutional Neural Network, CNN) model mimarisi geliştirilmiştir. Bu modelin hiperparametreleri Ağaç Bazlı Parzen Tahminleyicileri (Tree Based Parzen Estimators, TPE) algoritmasından yararlanarak optimize edilmiştir. Üretilen yeni model eğitilebilen parametre sayısı ve doğrulama skoru bakımından (9 milyon parametre %94,66 doğruluk) VGG-19 modeline kıyasla (144 milyon parametre, %94,22 doğruluk) tohum sınıflamasında daha başarılı sonuç elde etmiştir.en_US
dc.description.abstractThe efficient production of corn is of great importance for the sustainability of our society, due to its ease of production and the possibility of using it as animal feed. The most popular method used for maize breeding today is Doubled Haploid (DH). One of the most important steps in using this method is the separation of haploid seeds and diploid seeds. This classification process is usually performed by trained technicians. As a result of the developments in machine learning methods, this process has become automated by using various sensor data. In this study, a new Convolutional Neural Network (CNN) model architecture was developed using 1230 haploid and 1770 diploid corn seed images to perform the classification process. The hyperparameters of this model have been optimized using the Tree Based Parzen Estimators (TPE) algorithm. The new model produced was more successful in seed classification compared to the VGG-19 model (144 million parameters, 94.22% accuracy) in terms of the number of trainable parameters and validation score (9 million parameters 94.66% accuracy).en_US
dc.language.isoturen_US
dc.publisherÇanakkale Onsekiz Mart Üniversitesien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleMısır tohumlarının evrişimsel sinir ağları ve hiperparametre optimizasyonu kullanılarak haploid ve diploid olarak sınıflandırılmasıen_US
dc.title.alternativeClassification of corn seeds as haploid and diploid using convolutional neural networks and hyperparameter optimizationen_US
dc.typemasterThesisen_US
dc.departmentÇOMÜ, Enstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.identifier.startpage1en_US
dc.identifier.endpage81en_US
dc.institutionauthorFidan, Sertuğ
dc.relation.publicationcategoryTezen_US
dc.identifier.yoktezid826758en_US


Files in this item

This item appears in the following Collection(s)

Show simple item record