利用深度学习方法为机器人收割系统分类卷心菜和西兰花

Erhan Kahya, Fatma Funda Özdüven
{"title":"利用深度学习方法为机器人收割系统分类卷心菜和西兰花","authors":"Erhan Kahya, Fatma Funda Özdüven","doi":"10.24925/turjaf.v11i9.1639-1647.6177","DOIUrl":null,"url":null,"abstract":"Robotik hasat sistemlerinde lahana ve brokolinin derin öğrenme kullanılarak sınıflandırılması oldukça önemlidir. Derin öğrenme, yapay sinir ağları ve büyük veri setleri kullanılarak karmaşık modellerin öğrenilmesine olanak sağlayan bir makine öğrenme yöntemidir. Bu yöntem yardımıyla bitki sınıflandırmasında ve görsel tanıma problemlerinde etkili bir şekilde kullanılabilir. Lahana ve brokoli gibi bitkilerin sınıflandırılması için öncelikle bir derin öğrenme modeli oluşturulması gerekmektedir. Bu nedenle yapılan çalışmada derin öğrenme yöntemlerinden olan Inception_v3 görüntü tanıma ve sınıflandırma modellemesi kullanılmıştır. Çalışma oluşturulan 2 sınıf üzerinden yürütülmüştür. Oluşturulan sınıflar lahana ve brokoli’dir. Modelin eğitimi için Google Colab’ın sağladığı tpu donanım hızlandırıcısı kullanılmıştır. Eğitim döngüsü (epoch) sayısı 10’dur.Eğitim parametreleri olarak öğrenme hızı 0,001 tespit edilmiştir. Bu sonuçlara göre brokoli ve lahana data setin eğitimi için Inception_v3 modelinin başarılı olduğu sonucuna varılmıştır. Eğitim sürecinde modelin kayıp değeri giderek düşmüş ve doğruluk değeri artmıştır. Son aşama olan doğrulama aşamasında kayıp değeri 0,0005, doğruluk değeri 1,0000 olarak gözlenmiştir.","PeriodicalId":23389,"journal":{"name":"Turkish Journal of Agriculture: Food Science and Technology","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-09-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Robotik Hasat Sistemlerinde Kullanılmak Amacıyla Lahana ve Brokolinin Derin Öğrenme Metodu ile Sınıflandırılması\",\"authors\":\"Erhan Kahya, Fatma Funda Özdüven\",\"doi\":\"10.24925/turjaf.v11i9.1639-1647.6177\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Robotik hasat sistemlerinde lahana ve brokolinin derin öğrenme kullanılarak sınıflandırılması oldukça önemlidir. Derin öğrenme, yapay sinir ağları ve büyük veri setleri kullanılarak karmaşık modellerin öğrenilmesine olanak sağlayan bir makine öğrenme yöntemidir. Bu yöntem yardımıyla bitki sınıflandırmasında ve görsel tanıma problemlerinde etkili bir şekilde kullanılabilir. Lahana ve brokoli gibi bitkilerin sınıflandırılması için öncelikle bir derin öğrenme modeli oluşturulması gerekmektedir. Bu nedenle yapılan çalışmada derin öğrenme yöntemlerinden olan Inception_v3 görüntü tanıma ve sınıflandırma modellemesi kullanılmıştır. Çalışma oluşturulan 2 sınıf üzerinden yürütülmüştür. Oluşturulan sınıflar lahana ve brokoli’dir. Modelin eğitimi için Google Colab’ın sağladığı tpu donanım hızlandırıcısı kullanılmıştır. Eğitim döngüsü (epoch) sayısı 10’dur.Eğitim parametreleri olarak öğrenme hızı 0,001 tespit edilmiştir. Bu sonuçlara göre brokoli ve lahana data setin eğitimi için Inception_v3 modelinin başarılı olduğu sonucuna varılmıştır. Eğitim sürecinde modelin kayıp değeri giderek düşmüş ve doğruluk değeri artmıştır. Son aşama olan doğrulama aşamasında kayıp değeri 0,0005, doğruluk değeri 1,0000 olarak gözlenmiştir.\",\"PeriodicalId\":23389,\"journal\":{\"name\":\"Turkish Journal of Agriculture: Food Science and Technology\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-09-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Turkish Journal of Agriculture: Food Science and Technology\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.24925/turjaf.v11i9.1639-1647.6177\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Turkish Journal of Agriculture: Food Science and Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24925/turjaf.v11i9.1639-1647.6177","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

利用深度学习对卷心菜和西兰花进行分类对机器人收割系统非常重要。深度学习是一种机器学习方法,可以利用人工神经网络和大型数据集学习复杂的模型。在这种方法的帮助下,它可以有效地用于植物分类和视觉识别问题。要对卷心菜和西兰花等植物进行分类,首先必须创建一个深度学习模型。为此,研究中使用了深度学习方法之一的 Inception_v3 图像识别和分类模型。研究针对 2 个类别进行。创建的类是卷心菜和西兰花。训练模型时使用了谷歌实验室提供的 tpu 硬件加速器。训练参数为 10 个训练周期(epoch)和 0.001 的学习率。根据这些结果,可以得出结论:Inception_v3 模型成功地训练了西兰花和卷心菜数据集。在训练过程中,模型的损失值逐渐减少,准确率值逐渐增加。在最终验证阶段,损失值为 0.0005,准确率为 1.0000。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Robotik Hasat Sistemlerinde Kullanılmak Amacıyla Lahana ve Brokolinin Derin Öğrenme Metodu ile Sınıflandırılması
Robotik hasat sistemlerinde lahana ve brokolinin derin öğrenme kullanılarak sınıflandırılması oldukça önemlidir. Derin öğrenme, yapay sinir ağları ve büyük veri setleri kullanılarak karmaşık modellerin öğrenilmesine olanak sağlayan bir makine öğrenme yöntemidir. Bu yöntem yardımıyla bitki sınıflandırmasında ve görsel tanıma problemlerinde etkili bir şekilde kullanılabilir. Lahana ve brokoli gibi bitkilerin sınıflandırılması için öncelikle bir derin öğrenme modeli oluşturulması gerekmektedir. Bu nedenle yapılan çalışmada derin öğrenme yöntemlerinden olan Inception_v3 görüntü tanıma ve sınıflandırma modellemesi kullanılmıştır. Çalışma oluşturulan 2 sınıf üzerinden yürütülmüştür. Oluşturulan sınıflar lahana ve brokoli’dir. Modelin eğitimi için Google Colab’ın sağladığı tpu donanım hızlandırıcısı kullanılmıştır. Eğitim döngüsü (epoch) sayısı 10’dur.Eğitim parametreleri olarak öğrenme hızı 0,001 tespit edilmiştir. Bu sonuçlara göre brokoli ve lahana data setin eğitimi için Inception_v3 modelinin başarılı olduğu sonucuna varılmıştır. Eğitim sürecinde modelin kayıp değeri giderek düşmüş ve doğruluk değeri artmıştır. Son aşama olan doğrulama aşamasında kayıp değeri 0,0005, doğruluk değeri 1,0000 olarak gözlenmiştir.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信