Yazar "Ünal, Zeynep" seçeneğine göre listele
Listeleniyor 1 - 8 / 8
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Adaptability of deep learning: datasets and strategies in fruit classification(EDP Sciences, 2024) Gulzar, Yonis; Ünal, Zeynep; Ayoub, Shahnawaz; Reegu, Faheem Ahmad; Altulihan, AlhanoufThis review aims to uncover the multifaceted landscape of methodologies employed by researchers for accurate fruit classification. The exploration encompasses an array of techniques and models, each tailored to address the nuanced challenges presented by fruit classification tasks. From convolutional neural networks (CNNs) to recurrent neural networks (RNNs), and transfer learning to ensemble methods, the spectrum of approaches underscores the innovative strategies harnessed to achieve precision in fruit categorization. A significant facet of this review lies in the analysis of the various datasets utilized by researchers for fruit classification. Different datasets present unique challenges and opportunities, thereby shaping the design and effectiveness of the models. From widely recognized datasets like Fruits-360 to specialized collections, the review navigates through a plethora of data sources, elucidating how these datasets contribute to the diversity of research endeavors. This insight not only highlights the variety in fruit types and attributes but also emphasizes the adaptability of deep learning techniques to accommodate these variations. By amalgamating findings from diverse articles, this study offers an enriched understanding of the evolving trends and advancements within the domain of fruit classification using deep learning. The synthesis of methodologies and dataset variations serves to inform future research pursuits, aiding in the refinement of accurate and robust fruit classification methods. As the field progresses, this review stands as a valuable compass, guiding researchers toward impactful contributions that enhance the accuracy and applicability of fruit classification models. © The Authors, published by EDP Sciences.Öğe Analitik Hiyerarşi Yöntemi ile Bitki Koruma Makinesi Seçimi: Mısır Bitkisi Örneği(2024) Ünal, ZeynepBu çalışmada mısır bitkisi örneği üzerinden bitki koruma makinası seçimi sorununa çok kriterli karar verme yöntemleri ile çözüm aranmaktadır. Belirlenen yedi kriter, üç farklı bitki koruma makinası için Analitik Hiyerarşi Süreci (AHP) değerlendirme formu ile uzmanların görüşlerine sunulmuş ve elde edilen kriter ağırlıklar dikkate alınarak sonuçlar hesaplanmıştır. Literatürden yararlanılarak belirlenen kriterler arasından bitki koruma makinesi seçimi probleminde yöntemin etkililiği (%30) en önemli kriter olmuştur. Çalışmada yer alan diğer kriterlerin önem dereceleri sırasıyla uygulama maliyeti (%23), uygulamanın bitkiye verdiği zarar (%19), uygulama süresi (%11), hava koşulları (%7), arazinin durumu (%7), çevreye zarar (%4) olarak bulunmuştur. Çalışmaya en yaygın pülverizatör çeşitleri olan traktör tahrikli pülverizatörler, sırt pülverizatörleri ve zirai insansız hava araçları gibi bitki koruma makinaları dahil edilmiştir. Mısır üretiminde zararlılar ile mücadele etmek için Mayıs- Haziran aylarında iki defa uygulama yapıldığından ve her uygulamada bitkinin fenolojik evresi farklı olduğundan dolayı çalışmada bu iki uygulama dönemi erken ve geç dönem olarak ele alınmıştır. Erken dönemde bitki koruma makinaları tercih ağırlığı birbirine yakın olup zirai insansız hava aracı için 0,35, traktör tahrikli pülverizatör için 0,34, sırt pülverizatörü için 0,31 olduğu görülmüştür. Geç dönemde yedi kriterin dördünde zirai insansız hava aracı tercih edildiği görülmüştür. Bu kriterler hava koşulları (0,78), yöntemin etkililiği (0,77), uygulama süresi (0,71) ve uygulamanın bitkiye verdiği zarar (0,77) olmuştur. Tüm kriterler birlikte değerlendirildiğinde iki dönem uygulamada da en çok tercih edilen makine zirai insansız hava aracı olmuştur.Öğe Derin öğrenme teknikleri ile elmada (Granny Smith) kusur tespiti(2023) Ünal, Zeynep; Kızıldeniz, Tefide; Özden, Mustafa; Aktaş, Hakan; Karagöz, ÖmerElma (Malus communis L.) derimi sırasında ürünün kalitesini düşüren fiziksel zararlanmaların oluşması kaçınılmazdır. Zarar gören meyvelerin erken tespit edilerek ayrılması ticari değerinin artırılması açısından önemlidir. Tespit edilemeyen kusurlu ürünler sağlam ürünlerin kalitesini etkilediğinden dolayı gıda kaybının yanı sıra üretim hacmini de düşürmektedir. Çalışmanın amacı, “Granny Smith” elma çeşidinden alınan görüntüler üzerinde, derin öğrenme teknikleri kullanarak elmalarda kusur tespit etmektir. Özel koşul gerektirmeyen, uygun maliyetle sınıflandırma ve kusur tespiti yapacak bir teknik araştırılırmıştır. Çalışmada, InceptionV3 modelinin 100 çevrim sonunda test doğruluğu %100, AlexNet modelinin ise test doğruluğu %98.33 elde edilmiştir. Derin öğrenme teknikleriyle, derim sırasında meyve üzerinde oluşan zararlar tespit edilerek ayrılmasıyla, derim sonrası oluşabilecek ekonomik kayıpların önüne geçebilecek bir yöntem geliştirilmiştir.Öğe Fuzzy Logic and Deep Learning Integration in Likert Type Data(2022) Ünal, Zeynep; Çetin, Emre İpekçiDeep learning networks have many modern applications and demonstrate a high-performance level. As the applications of deep learning networks to real-world problems continues to spread, the reason why they are effective remains unknown. However, it is possible to make some judgments by examining the behaviour of the network in experiments. The main aim of this study is to analyse the performance of deep learning techniques in the form of a 5-point Likert-type scale by converting the artificial data sets into a fuzzy form using triangular or trapezium fuzzy numbers.To test the performance of the proposed model, which is the integration of deep learning and fuzzy logic techniques, the satisfaction estimation problem was chosen. Data sets consisting of fuzzy numbers which reach at least three or four times more parameters than normal data sets. Thus, it decreases the possibility of falling into the local optimum trap in optimization studies with big data. In the analysis conducted with deep learning, in accordance with the fuzzification examples in the literature, the defuzzification was carried out with separate results for peak, maximum, and minimum values. In contrast to the literature, the performances of the deep learning model were investigated by suggesting that fuzzy numbers produce a single result series.Öğe Image preprocessing techniques applied on nir images for fruit bruise detection(EDP Sciences, 2024) Ünal, ZeynepThis study investigates the transformative potential of image preprocessing techniques when applied to near-infrared (NIR) images for early bruise detection. It emphasizes the nuanced selection of filters to retain essential image features while accentuating bruise characteristics. Filters as noise-reduction tools, rendering bruises more visible without erasing critical details. Subsequently, the limitations of conventional edge detection filters were examined such as Sobel, Prewitt, and Canny, which excel in outlining fruit edges but fall short in delineating bruises. Adaptive thresholding methods were introduced, exemplified by Otsu's, showcasing their capacity to distinguish objects from backgrounds while acknowledging their challenge in preserving crucial edge pixels. Image enhancement techniques, such as Histogram Equalization, Contrast Stretching, and Sigmoid Correction, enhance fruit edge visibility and elevate bruise detection. In the frequency domain, filters such as Ideal Lowpass, Bandpass, and Highpass were harnessed to accentuate diverse bruise types. The Butterworth filter was introduced, capable of concurrently highlighting all relevant features, a pivotal innovation in comprehensive bruise detection. Through extensive experimentation and analysis of NIR images of various fruit varieties, including plums, peaches, and apples, our findings underscore the significance of tailored preprocessing techniques for optimal fruit bruise detection. These insights offer promise for agricultural industries and quality control processes seeking to enhance fruit quality assessment. © The Authors, published by EDP Sciences.Öğe SIMULATING THE YIELD RESPONSES OF SUGAR BEET TO DIFFERENT CLIMATE CHANGE SCENARIOS BY LINTUL- MULTICROP MODEL(2023) Yetik, Ali Kaan; Kızıldenız, Tefide; Ünal, ZeynepSugar beet is an essential crop for the sugar industry that have a very crucial role in agro-industry of Türkiye and Konya ranks first in terms of total sugar beet production and harvested area. The predictions, that the world's human population will reach 9 billion by the end of the current century and that demand for food will increase, are forcing farmers for the decision to search for new areas for agriculture or choose the crops that will be most productive in already cultivated lands. The aim of this study was to apply the LINTUL-MULTICROP Model for investigating the adaptation of sugar beet for the current climatic conditions and for climate change scenarios to show the response of sugar beet to an increase level of carbon dioxide and temperature. Four different scenarios were compared to check the effects of the climate change on sugar beet farming in the semi-arid Konya Region as followings: i) scenario (a) is the current climate conditions; ii) scenario (b) is the average temperatures increased 2 °C, iii) scenario (c) is 200 ppm increasing atmospheric CO2; iv) scenario (d) new optimum sowing and harvest dates in sugar beet farming and increased temperatures and atmospheric CO2 amount were simulated together. The optimum sowing and harvesting dates of sugar beet were moved 13 days back for sowing, and 8 days forward for harvesting. The highest yield was estimated under conditions of 2 °C and 200 ppm increased atmosphere temperature and CO2 levels with new sowing and harvest dates. The yields under irrigated conditions varied between 74.4 t ha-1 and 111.2 t ha-1. The irrigation water requirements of sugar beet were ranged from 618.8 mm to 688.5 mm for different scenarios. In conclusion, the cultivation of sugar beet tends to alter in semi-arid Konya environment.Öğe Smart agriculture practices in potato production(Elsevier, 2022) Ünal, Zeynep; Kızıldeniz, TefidePotato, one of the five most important products grown in the world, has a high application potential in terms of smart agriculture. Smart agriculture makes it possible to produce potato crops in an economically, environmentally and socially sustainable way for future generations. Smart farming practices are involved in almost all growing and even marketing processes to increase crop production and quality. Thanks to smart agricultural practices, it has become possible to increase the agricultural productivity of potatoes, to follow the development of certain parameters and to make appropriate decisions. As smart farming develops over the next few years, it will replace traditional farming methods and help narrow the gap between large and small farmers. With the technological progress, it has become possible to control the field situation and make decisions about the crop in real-time environment. Smart-farming may be applied to all processes of potato value-chain production including seeding, irrigation, soil monitoring and nutrients intelligence, harvesting, pest-disease-weed detection, quality, quantity, harvesting, and climate monitoring, forecasting and decision-making applications. These applications are capable to monitor, and define where, when, and how much variability is existent in a field and even take decision autonomously to manage it. In this chapter smart farming concept was emphasized and its difference from precision agriculture was explained. Examples of smart agriculture applications that take place in almost all cultivation and even marketing processes to increase potato production are given under Smart Farming Applications topic. In the last part of the chapter the potential of smart farming technologies for potato production was explored. The covered topics include technologies such Decision Support Systems, IoT (Internet of Things) and Sensors, Unmanned Ground Vehicles (UGVs) and Unmanned Arial Vehicles (UAVs), Global Positioning System (GPS) and Geospatial Information System (GIS), Artificial Intelligence. © 2023 Elsevier Inc. All rights reserved.Öğe Sürdürülebilir kalkınma açısından ambalaj atıklarının geri dönüşümü: Bir toplama-ayırma tesisinde doğrusal programlama uygulaması(Niğde Üniversitesi, 2011) Ünal, Zeynep; Ergülen, AhmetTüketicilerin istekleri sonsuzdur ve bu istekleri karşılayacak doğal kaynaklar doğada tükenme tehlikesiyle karşı karşıyadır. İşte bu noktada karşımıza sürdürülebilir kalkınma çıkmaktadır. Doğal kaynaklardan üretilen ürünlerden olan ambalajların, sürdürülebilirlik açısından toplanması ve geri dönüştürülmesi oldukça önemli ve gereklidir. Çalışmanın amacı, hem sürdürülebilir kalkınmanın devamlılığını sağlamaya ambalaj atıklarının geri dönüşümünün katkısını araştırmak, hem de ambalaj atıklarının toplanarak Toplama-Ayırma Tesisine sevkiyatı ağında ortaya çıkan maliyetleri minimize etmek ve toplama bölgelerinden TAT'a getirilecek olan ambalaj atık miktarlarını belirlemektir. Bu amaç doğrultusunda çalışmada öncelikle, sürdürülebilir kalkınma, geri dönüşüm ve ambalaj atıkları teorik olarak açıklanmıştır. Çalışma teorik çerçevede sunulduktan sonra, Aksaray'da faaliyette bulunan TAT'de, ambalaj atıklarının toplanarak tesise sevkiyatı ağında ortaya çıkan maliyetleri minimize edecek doğrusal programlama modeli oluşturulmuştur. Oluşturulan model LINDO 6.01 programıyla çözülmüştür. Çalışma sonucunda, modele ait maliyet ile tesise ait maliyet arasında 22.730 TL tasarruf miktarının oluştuğu görülmüştür.Anahtar Kelimeler: Sürdürülebilir Kalkınma, Geri Dönüşüm, Ambalaj Atıklarının Geri Dönüşümü
