Yazar "Çevik, Kerim Kürşat" seçeneğine göre listele
Listeleniyor 1 - 4 / 4
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Body Condition Score (BCS) Segmentation and Classification in Dairy Cows using R-CNN Deep Learning Architecture(2019) Çevik, Kerim Kürşat; Boğa, MustafaBody condition score (BCS) is based on scoring of dairy cattle from 1 to 5 according to the appearance of animals. BCS is a subjectivemethod based on assessing of subcutaneous fat thickness on the regions in back, waist and coccyx regions in cattle and the bone spursin the pelvic region by visual inspection and palpation method. BSC of animals in among the most important indicator of whether theneeds of animals are met in livestock enterprises. In general, BCS values are determined by a method based on expert knowledge anddetermined by observation. If the animal is above or below the desired BCS, at this stage, diseases resulting from metabolic problems,low yield or animal losses may occur. With the regular control of this situation, the profitability of the enterprise may increase withhealthier animals. For this purpose, in this study, it is aimed to segment the required regions and to classify the segmented regions inorder to perform BCS. Images taken from dairy cattle were trained with the R-CNN architecture used in object detection applications,which are among the Convolutional Neural Networks (CNN) architectures. Of the 184 images, 75% (138) were used for training and25% (46) were used for testing. During the training phase, the regions where BSC could be conducted from the raw images were labeledand these regions were learned. Then, the segmentation of the correct regions from the new images to the system was tested. Pre-trainednetworks were utilized to increase system success. For the classification of the segmented regions, the CNN network trained withAlexNet architecture was used. When the overall success of the system was evaluated, the AlexNet network correctly segmented 40 ofthe 46 raw test images, and the AlexNet CNN network correctly classified 28 of them and provided 60.86% overall success. The VGG16network correctly segmented 42 of the 46 raw test images, and the AlexNet CNN network correctly classified 30 of them, achieving65.21% overall success On the other hand, The VGG19 network correctly segmented 43 of the 46 raw test images, and the AlexNetCNN network correctly classified 31 of them, achieving 67.39% overall success.Öğe Computer-Assisted Automatic Egg Fertility Control(2019) Boğa, Mustafa; Çevik, Kerim Kürşat; Koçer, Hasan Erdinç; Burgut, AykutThis research aimed to determine the fertilization control of the eggs in an incubator between 0th and 5th days by image processing techniques via low-priced tools. Three different datasets that were composed of eggs whose images taken at different times in the incubator were prepared. Several filtering and morphology methods, gray level conversion and dynamic thresholding were utilized to process the 15 egg images. Moreover, the original processing codes based on the problem were given. White and Black percentages of binary images were utilized to determine the egg control. According to the test results, for the first dataset; 73.34% of fertility accuracy was achieved on the third day; 100% of fertility accuracy was achieved on the fourth day, for the second dataset; 93.34% of fertility accuracy was achieved on the third day; 93.34% of fertility accuracy was achieved again on the fourth day; for the third dataset, 93.34% of fertility accuracy was achieved on the third day; 100% of fertility accuracy again was achieved on the fourth day. When the results were evaluated, it was seen that egg fertility has been determined successfully automated with low cost tools.Öğe Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları ile Sığır Yüzlerinin Tanınması(2019) Dandıl, Emre; Türkan, Musa; Boğa, Mustafa; Çevik, Kerim KürşatSüt sığırcılığı işletmelerinde sürülerinin yönetilmesinden ziyade ineklerin bireysel olarak refahı ve sağlıklıolmasına yönelik hassasiyet son yıllarda artmıştır.? Bu durumun sonucu olarak, bireysel olarak hayvanlarıntakip edilme ihtiyacı ortaya çıkmıştır. Hayvanlar için biyometrik veriler kullanılarak oluşturulacak sistemler,hayvanları bireysel olarak tanınmasına yardımcı olmaktadır. Hayvanlardan elde edilen yüz, burun, iris gibi bireyselbiyometrik veriler işlenerek makine öğrenmesi temelli sistemler oluşturulabilir. Bu çalışmada, derin öğrenmede önemlibir model olan Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları(DHB-ESA) kullanılarak, sığırların yüz görüntülerininsınıflandırılarak tanınması gerçekleştirilmiştir. Çalışmada öncelikle, bir besi yerinde bulunan sığırlardan yüzgörüntülerini içeren görüntüleri alınarak bir veriseti oluşturulmuştur. Daha sonra, sığır görüntülerindeki yüz bölgeleri,uygulama ile işaretlenerek sığır sınıflarına göre etiketlenmiştir. Deneysel çalışmalar kapsamında, veriseti içerisindenbeş farklı sığıra ait toplamda 1579 görüntüden oluşan bir alt küme oluşturulmuştur. Bu küme, ağın eğitimi için 1129görüntü ve test işlemi için ise 450 görüntü olacak şekilde gruplandırılmıştır. Sığır yüz görüntüleri ön-eğitimli bir ağüzerinde eğitildikten sonra, gerçekleştirilen test işlemlerinde sığır yüz görüntüleri %98.44 doğruluk ile başarılı birşekilde sınıflandırılmıştır. Önerilen bilgisayar destekli bu yaklaşımın, sığırların yüzlerinin tanınmasında ikincil bir araçolarak uzmanlar tarafından farklı amaçlar için kullanılabileceği öngörülmektedir.Öğe Zamanlar Bağlamında İngilizce Öğretimi İçin Bir Mobil Uygulama Tasarımı: Sos Tablosu(2018) Çevik, Kerim Kürşat; Önal, Nezih; Şenol, VeyselYabancı dil öğretiminin önemi tartışılmazdır. Ancak bu öğretimde birçok sorun yaşandığıbilinmektedir. İçinde bulunduğumuz teknoloji çağında dijital yerli neslin İngilizce özelindeyabancı dil öğrenmesi sürecinde bu sorunların çözümü için yeni arayışlar söz konusudur.Hedef kitle dijital yerli nesil olunca eğitimciler, yabancı dil öğretiminde teknolojidenyararlanmaya yönelmişlerdir. Teknolojiden yararlanarak yabancı dil öğretimigerçekleştirilmesine dayalı uygulamaların en dikkat çekici olanlarından biri mobil öğrenmedir.Buna paralel olarak literatürde mobil araç ve mobil uygulamaların öğrenme ortamlarına dâhiledilmesinin son zamanlarda yaygınlaştığı belirtilmektedir. Mobil cihazlarla beraber ceptelefonlarına yerleşen dijital uygulamalar ile istenilen zaman ve mekânda eğlenceli ve eğiticiuygulamalar gerçekleştirilmektedir. Bu uygulamalar, öğrencilere daha iyi bir öğrenmedeneyimi sağlayabilmektedir. Buradan hareketle ilgili bu çalışmada İngilizce dersi “zamanlar(tense)” konusu bağlamında İngilizce öğretimi için bir mobil uygulama (SOS Tablosu)geliştirilmiş ve tanıtılmıştır. SOS Tablosu mobil uygulaması günümüz mobil işletim sistemleripazar payı düşünülerek Android işletim sisteminde tasarlanmış ve Google Play Store’aeklenmiştir. Kullanıcıların uygulamayı mobil cihazlarına kurduktan sonra uzak veri tabanınakaydolması sağlanmıştır. Kayıtlı kullanıcıların programı kullanma verilerinin (soru sayısı,cevaplama sayısı, doğru ve yanlış cevap vb.) kayıt altına alınması ve böylece elde edilen buverilerin sonuçları ile kullanıcıların tasarlanan SOS Tablosu uygulaması sayesinde ne kadargelişme gösterdikleri takip edilmektedir.
