ONOBRYCHİS CİNSİNE AİT BAZI TÜRLERİN GÖRÜNTÜ İŞLEME VE MAKİNE ÖĞRENMESİ TABANLI ARAŞTIRILMASI

Abstract

Bu tez, Yapay Sinir Ağları (YSA) ve Yerel İkili Desenler (LBP) hakkında temel bilgileri sunarak, Türkiye'de yetişen Onobrychis (korunga) bitkisinin meyvelerini YSA kullanarak sınıflandırmayı amaçlamaktadır. Çalışmada, dört farklı Onobrychis türünden (O. cappadocica, O. argyrea, O. hypargyrea, ve O. tournefortii) toplam 448 meyve resmi üzerinden bir veri tabanı oluşturulmuştur. Korunga meyve çeşitlerini sınıflandırmak için altı farklı yöntem kullanılmıştır: Destek Vektör Makinesi, Naif Bayes, Karar Ağaçları, K-En Yakın Komşu, Yapay Sinir Ağları ve Lojistik Regresyon. Bu yöntemlerin performansları karşılaştırılmış ve %99,6 doğruluk oranıyla Destek Vektör Makinesi yönteminin en uygun model olduğu tespit edilmiştir.

This thesis aims to classify the fruits of the Onobrychis (sainfoin) plant, which grows in Turkey, using Artificial Neural Networks (ANN), providing fundamental information on ANNs and Local Binary Patterns (LBP). In the study, a database was created using a total of 448 fruit images from four different Onobrychis species (O. cappadocica, O. argyrea, O. hypargyrea, and O. tournefortii). Six different methods were used to classify the sainfoin fruit varieties: Support Vector Machine, Naive Bayes, Decision Trees, K-Nearest Neighbor, Artificial Neural Networks, and Logistic Regression. The performances of these methods were compared, and the Support Vector Machine method was identified as the most suitable model with an accuracy rate of 99.6%.