Atıf Sayısı
1
Görüntüleme
10
İndirme
4
Son yıllarda, tarımla ilgili yapılan çalışmalar incelendiğinde sinir ağı ve büyük veri uygulamaları hızla artmaktadır. Bununla birlikte derinlemesine katmanların kullanıldığı Deep Neural Network (DNN) ile özellikle sınıflandırma alanında çok daha başarılı sonuçlar elde edilmektedir. Bu çalışmada UCI Machine Learning Repository’den alınan buğday tohumlarının sınıflandırılması için yeni bir DNN modeli önerilmiştir. Veri setinde Kama, Rosa ve Canadian olmak üzere 3 farklı buğday türünden toplam 210 veri bulunmaktadır. Veriler %70 eğitim verisi ve %30 test verisi olarak ayrılarak geliştirilen model veri setine uygulandığında, verilerin sınıflandırılmasında %100 başarı oranı elde edilmiştir. Aynı zamanda Fuzzy C-Means tabanlı bir algoritma geliştirilerek 150.000 adet sentetik buğday tohum verisi üretilmiştir. Önerilen model UCI buğday tohumu ve sentetik olarak üretilen verileri kullanarak farklı eğitim ve test veri kombinasyonları üzerinde test edilmiş ve her birinde %100'lük bir başarı oranına sahip sınıflandırma elde edilmiştir. Önerilen model, buğday sınıflandırmaları için literatürdeki diğer çalışmalara kıyasla en iyi model olduğunu göstermektedir.
In recent years, applications of neural network and big data have increased rapidly in agriculture-related areas. At the same time, Deep Neural Network (DNN), in which deep layers are used, achieves much better results especially for classification of big datas properly. In this study, a new DNN model is proposed for the classification of wheat seeds which was taken from UCI Machine Learning Repository. There are totally 210 data from 3 different types of wheat, namely; Kama, Rosa and Canadian. The model is divided into 70% train data and 30% test data. When the developed model was applied to dataset, 100% success rate is achieved in classification of data. In addition, 150,000 pieces of synthetic wheat seed data are generated by using a Fuzzy C-Means based algorithm. The proposed model is tested on different train and test data combinations by using UCI wheat seed and synthetically generated datasets, and 100% success rate was achieved in classification. The proposed model shows that it is the best model compared to other studies in the literature for wheat classifications.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
