Detection and classification of agricultural pest and vermin's using full-convolutional neural network

Bu tez, hassas tarımsal haşere ve haşarat tespiti ve sınıflandırması için Tam Evrişimli Sinir Ağlarının (FCN'ler) geliştirilmesi ve uygulanmasına ilişkin kapsamlı bir araştırmayı üstlenmektedir. Modern tarımın temel taşı olan hassas tarım, büyük ölçüde etkili mahsul sağlığı yönetimine dayanır; zararlıların ve kemirgenlerin tanımlanması kritik bir husustur. Özel bir derin öğrenme tekniği olan FCN, girdi boyutundan bağımsız olarak mahsul görüntülerinde haşerenin hassas lokalizasyonunu kolaylaştırarak benzersiz yetenekler sergiler. Araştırmanın güvenilirliğini ve etkinliğini sağlamak için dronları, sabit kameraları ve el cihazlarını kapsayan çok çeşitli veri kaynaklarından yararlanılıyor. Üstün çözünürlük ve ideal aydınlatma koşullarıyla karakterize edilen yüksek kaliteli görüntüler, model performansını en üst düzeye çıkarmak için gereklidir. Ek olarak, veri kümesi çeşitliliği ve profesyonel düzeydeki titiz açıklama süreçleri, modelin sağlamlığını önemli ölçüde artırır. Labelbox gibi ek açıklama araçları, haşere ve haşaratların doğru şekilde tanımlanması için sınırlayıcı kutular ve segmentasyon maskeleri gibi gelişmiş teknikler kullanılarak, hataları en aza indirmek için birden fazla incelemecinin katılımıyla kullanılmaktadır. Bu tez, yalnızca tarımsal haşere ve haşarat tespiti ve sınıflandırmasına uygun FCN'lerin geliştirilmesi ve dağıtılması için kapsamlı bir yol haritası sunmakla kalmıyor, aynı zamanda en son teknolojinin hassas tarım uygulamalarına kusursuz entegrasyonuna ilişkin paha biçilmez bilgiler de sunuyor. Araştırma böylece mahsul sağlığı yönetiminin geliştirilmesine ve sürdürülebilir tarımsal yaklaşımların desteklenmesine katkıda bulunarak çağdaş tarım ortamındaki öneminin altını çiziyor.