DERİN ÖĞRENME VE GELENEKSEL MAKİNE ÖĞRENMETEKNİKLERİ KULLANILARAK MANDA YÜZ TANIMAMODELLERİNİN GELİŞTİRİLMESİ
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yozgat Bozok Üniversitesi, Lisansüstü Eğitim Enstitüsü, Tarım Bilimleri, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: NİYAZİ HAYRULLAH TUVAY
Danışman: Orhan Ermetin
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışmada büyükbaş hayvanlarda geleneksel kimliklendirme yöntemlerine alternatif olarak; yapay zekâ destekli otomatik bir yüz tanıma sistemi örneği geliştirilmiştir. Kullanılan modellerin eğitimi için oluşturulan veri setinde Yozgat iline bağlı bir işletmede bulunan sekiz mandaya ait yüz görüntüleri kullanılmıştır. Görüntüler farklı açılardan çekilerek ham veri seti oluşturulmuştur. Ham veri seti, literatürde geçerli, yaygın olarak kullanılan bazı veri artırım teknikleriyle artırılmış ve nihai olarak BUFFALO-22 ismiyle yeni bir veri seti oluşturulmuştur. Çalışmada oluşturulan BUFFALO-22 veri setinin eğitiminde geleneksel yöntemlerin yanı sıra modern yöntemler de işe koşularak sonuçları karşılaştırılmıştır. Geleneksel tarafta bazı ön işleme yöntemleri ile işlenen görsellerden yaygın kullanılan öznitelik çıkarım teknikleri (Gri Seviye EşOluşum Matrisi ve Yerel İkili Desenler) kullanılarak istenilen öznitelikler çıkarılmıştır. Çıkarılan öznitelikler geleneksel sınıflandırıcı olarak Destek Vektör Makinesi kullanılarak sınıflandırılmıştır. Yapılan testlerde LBP-HSV modeli ile %87.7'lik bir test doğruluğu elde edilmiştir. Diğer yandan modern yöntemler tarafında önceden eğitilmiş derin öğrenme modellerinden InceptionV3 ve nesne tanıma gibi görüntü sınıflandırma görevlerinde yaygın olarak önerilen derin öğrenme modeli YOLO'nun beşinci versiyonu olan YOLOv5 modeli kullanılmıştır. Deneysel sonuçlar hem InceptionV3 gibi önceden eğitilmiş CNN sınıflandırıcılarının hem de YOLOv5 gibi anlık tespit yaklaşımlarının hayvanlarda yüz tanımaya bağlı kimliklendirme görevlerinde başarılı bir şekilde kullanılabileceğini kanıtlamıştır. Sonuçlara göre InceptionV3 yaklaşımı yüz tespitinde %98.5'lik bir ortalama test doğruluğu elde etmiştir. YOLOv5 algoritmasının eğitimi sonucu 0.98'lik bir kesinlik, 0.99'luk bir hassasiyet ve 0.99'luk bir mAP değeri elde edilmiştir. Hem eğitim hem doğrulama hem de test doğruluk ölçütlerinin yanı sıra diğer ölçütler, bu çalışmada kullanılan modellerin hayvan kimliklendirme görevleri için rahatlıkla kullanılabileceği görüşünü desteklemiştir. Yapılan çalışma sonucunda, hayvan kimliklendirmeye bağlı olarak verim denetimi, üreme, sağlık ve refahın takibi, davranış analizi gibi birçok araştırmanın kolaylaşmasının yolunun açabileceği de ön görülmektedir.