Araştırma Makalesi
BibTex RIS Kaynak Göster

Bilgisayarlı Görme Esaslı Değişken Oranlı Bir Alev Makinası İçin Görüntü Alma Sisteminin Optimizasyonu

Yıl 2020, Cilt: 34 Sayı: 1, 135 - 147, 01.06.2020

Öz

Bu çalışmanın amacı, yabancı ot kontrolü için kullanılan bir alev makinesi prototipine entegre edilecek görüntü işleme esaslı, yapay aydınlatmalı bir görüntü alma sistemi geliştirmektir. Ayrıca, düşük maliyetli bir gömülü devre ve kamera (Raspberry Pi 3) kullanan görüntü işleme sisteminin yapay aydınlatmalı görüntü alma odacığının gerekli işletme parametrelerini belirlemek hedeflenmiştir. Görüntü işleme algoritmalarının geliştirilmesi ve sayısal analiz aşamalarında OpenCV açık kaynak kodlu görüntü işleme kütüphanesi ve Python programlama dili kullanılmıştır. Sistem geliştirme aşamalarında geliç (SorghumhalepenseL.), pıtrak (Xanthiumstrumarium L.), tarla sarmaşığı (Convolvulusarvensis L.) ve köygöçüren (Cirsiumarvense) otlarının bulunduğu bir arazi koşulunda yabancı otların görüntüleri alınmıştır. Dış ortama açık ve yapay aydınlatma sistemiyle alınan görüntülerin histogramları karşılaştırılmıştır. Yabancı ot piksel dağılımları incelenerek ikilileştirme için uygun eşik değerleri belirlenmiştir. Sonuç olarak, geliştirilen algoritma 20 fps’ye yakın hızlarda hareketli görüntüler üzerinde çalıştırılarak anlık yabancı ot oranlarının belirlenebileceği bulunmuştur. Geliştirilen sistem kullanılarak test görüntülerinde yabancı ot piksel oranı %98’lik bir başarı ile hesaplanabilmiştir.

Destekleyen Kurum

Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK)

Proje Numarası

1001-117O098

Teşekkür

Bu çalışmayı 1001-117O098 nolu proje kapsamında destekleyen Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK)’na teşekkür ederiz.

Kaynakça

  • Burgos-Artizzu, X.P., Ribeiro, A., Guijarro, M., and Pajares, G. 2011. Real-time image processing for crop/weed discrimination in maize fields. Computers and Electronics in Agriculture, 75(2): 337-346.
  • Demir, B., Çetin, N. Ve Kuş, Z.A. 2016. Görüntü İşleme Tekniği İle Yabancı Ot Renk Özelliklerinin Belirlenmesi. Alınteri Zirai Bilimler Dergisi, 31(2): 59 –64.
  • Guyer, D.E., Miles, G.E., Schreiber, M.M., Mitchell, O.R. and Vanderbilt, V.C. 1986. Machine vision and image processing for plant identification. Transactions of the ASAE, 29(6): 1500-1507.
  • Kiani, S., and Jafari, A. 2012. Crop detection and positioning in the field using discriminant analysis and neural networks based on shape features. Journal of Agricultural Science and Technology, 14: 755-765.
  • Lee, W.S., Slaughter, D.C., and Giles, D.K. 1999. Robotic weed control system for tomatoes. Precision Agriculture, 1(1): 95-113.
  • Malemath, V.S., and Hugar, S.M. 2016. A new approach for weed detection in agriculture using image processing techniques. Internatıonal Journal of Advanced Scientific and Technical Research, 3(6): 356-359.
  • Makhoul, J., Kubala, F., Schwartz, R. and Weischedel, R. 1999. Performance measures for information extraction. In Proceedings of DARPA broadcast news workshop, 1: 249-252.
  • Öz, M. ve Kuşçu, H. 2018. Bursa ekolojik koşullarında yetiştirilen susamda farklı ekim zamanlarının tohum verimi ve bazı verim bileşenlerine etkileri. Bursa Uludağ Üniv. Ziraat Fak. Derg., 32(2): 111-121.
  • Paikekari, A., Ghule, V., Meshram, R., and Raskar, V. B. 2016. Weed detection using image processing. International Research Journal of Engineering and Technology, 3(3): 1220-1222.
  • Perez, A.J., Lopez, F., Benlloch, J.V., and Christensen, S. 2000. Colour and shape analysis techniques for weed detection in cereal fields. Computers and Electronics in Agriculture, 25(3): 197-212.
  • Powers, D.M.W. 2011. Evaluation: from precision, recall and f-measure to ROC, informedness, markedness & correlation. Journal of Machine Learning Technologies, 2(1): 37-63.
  • Tellaeche, A., Pajares, G., Burgos-Artizzu, X.P., and Ribeiro, A. 2011. A computer vision approach for weeds identification through Support Vector Machines. Applied Soft Computing, 11(1): 908-915.

Optimization of Image Acquisition System using Computer Vision for a Variable Rate Flame Weeder

Yıl 2020, Cilt: 34 Sayı: 1, 135 - 147, 01.06.2020

Öz

The objective of this study was to develop an image acquisition system, based on artificial lighting and image processing, which could be integrated with a prototype weed flaming machine used for weed control. Additionally, it was aimed to determine the operational parameters of the image acquisition chamber of the artificially illuminated image processing system using a low cost embedded circuit and a camera (Raspberry Pi 3).  OpenCV image processing library and Python programming language were used in the development stages of image processing algorithms and numerical analysis. During the system development steps, images of weeds were taken in a field condition with a mixture of various weed species, including Sorghum halepense L., Xanthium strumarium L., Convolvulus arvensis L., and Cirsiumarvense. The histograms of the images obtained in the daylight and under the artificially led chamber were compared. The pixel distributions of weeds were studied and the appropriate threshold values were found for binarization. As a conclusion, it was found that, using the system developed, real-time weed rates could be determined by working on live images at about an image acquisition speed of 20 pfs. Using the system developed, it was possible to obtain 98% success in determining the weed pixel percentages using the test images.

Proje Numarası

1001-117O098

Kaynakça

  • Burgos-Artizzu, X.P., Ribeiro, A., Guijarro, M., and Pajares, G. 2011. Real-time image processing for crop/weed discrimination in maize fields. Computers and Electronics in Agriculture, 75(2): 337-346.
  • Demir, B., Çetin, N. Ve Kuş, Z.A. 2016. Görüntü İşleme Tekniği İle Yabancı Ot Renk Özelliklerinin Belirlenmesi. Alınteri Zirai Bilimler Dergisi, 31(2): 59 –64.
  • Guyer, D.E., Miles, G.E., Schreiber, M.M., Mitchell, O.R. and Vanderbilt, V.C. 1986. Machine vision and image processing for plant identification. Transactions of the ASAE, 29(6): 1500-1507.
  • Kiani, S., and Jafari, A. 2012. Crop detection and positioning in the field using discriminant analysis and neural networks based on shape features. Journal of Agricultural Science and Technology, 14: 755-765.
  • Lee, W.S., Slaughter, D.C., and Giles, D.K. 1999. Robotic weed control system for tomatoes. Precision Agriculture, 1(1): 95-113.
  • Malemath, V.S., and Hugar, S.M. 2016. A new approach for weed detection in agriculture using image processing techniques. Internatıonal Journal of Advanced Scientific and Technical Research, 3(6): 356-359.
  • Makhoul, J., Kubala, F., Schwartz, R. and Weischedel, R. 1999. Performance measures for information extraction. In Proceedings of DARPA broadcast news workshop, 1: 249-252.
  • Öz, M. ve Kuşçu, H. 2018. Bursa ekolojik koşullarında yetiştirilen susamda farklı ekim zamanlarının tohum verimi ve bazı verim bileşenlerine etkileri. Bursa Uludağ Üniv. Ziraat Fak. Derg., 32(2): 111-121.
  • Paikekari, A., Ghule, V., Meshram, R., and Raskar, V. B. 2016. Weed detection using image processing. International Research Journal of Engineering and Technology, 3(3): 1220-1222.
  • Perez, A.J., Lopez, F., Benlloch, J.V., and Christensen, S. 2000. Colour and shape analysis techniques for weed detection in cereal fields. Computers and Electronics in Agriculture, 25(3): 197-212.
  • Powers, D.M.W. 2011. Evaluation: from precision, recall and f-measure to ROC, informedness, markedness & correlation. Journal of Machine Learning Technologies, 2(1): 37-63.
  • Tellaeche, A., Pajares, G., Burgos-Artizzu, X.P., and Ribeiro, A. 2011. A computer vision approach for weeds identification through Support Vector Machines. Applied Soft Computing, 11(1): 908-915.
Toplam 12 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Ziraat Mühendisliği
Bölüm Araştırma Makaleleri
Yazarlar

Ferhat Kurtulmuş 0000-0002-7862-6906

Kadir Sefil 0000-0002-3129-086X

Kübra Kargacı 0000-0003-3382-3428

Selçuk Arslan 0000-0003-4636-1234

Proje Numarası 1001-117O098
Yayımlanma Tarihi 1 Haziran 2020
Gönderilme Tarihi 24 Aralık 2019
Yayımlandığı Sayı Yıl 2020 Cilt: 34 Sayı: 1

Kaynak Göster

APA Kurtulmuş, F., Sefil, K., Kargacı, K., Arslan, S. (2020). Bilgisayarlı Görme Esaslı Değişken Oranlı Bir Alev Makinası İçin Görüntü Alma Sisteminin Optimizasyonu. Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi, 34(1), 135-147.

TR Dizin kriterleri gereği dergimize gönderilecek olan makalelerin mutlaka aşağıda belirtilen hususlara uyması gerekmektedir.

Tüm bilim dallarında yapılan, ve etik kurul kararı gerektiren klinik ve deneysel insan ve hayvanlar üzerindeki çalışmalar için ayrı ayrı etik kurul onayı alınmış olmalı, bu onay makalede belirtilmeli ve belgelendirilmelidir.
Makalelerde Araştırma ve Yayın Etiğine uyulduğuna dair ifadeye yer verilmelidir.
Etik kurul izni gerektiren çalışmalarda, izinle ilgili bilgiler (kurul adı, tarih ve sayı no) yöntem bölümünde ve ayrıca makale ilk/son sayfasında yer verilmelidir.
Kullanılan fikir ve sanat eserleri için telif hakları düzenlemelerine riayet edilmesi gerekmektedir.
Makale sonunda; Araştırmacıların Katkı Oranı beyanı, varsa Destek ve Teşekkür Beyanı, Çatışma Beyanı verilmesi.
Etik Kurul izni gerektiren araştırmalar aşağıdaki gibidir.
- Anket, mülakat, odak grup çalışması, gözlem, deney, görüşme teknikleri kullanılarak katılımcılardan veri toplanmasını gerektiren nitel ya da nicel yaklaşımlarla yürütülen her türlü araştırmalar
- İnsan ve hayvanların (materyal/veriler dahil) deneysel ya da diğer bilimsel amaçlarla kullanılması,
- İnsanlar üzerinde yapılan klinik araştırmalar,
- Hayvanlar üzerinde yapılan araştırmalar,
- Kişisel verilerin korunması kanunu gereğince retrospektif çalışmalar,
Ayrıca;
- Olgu sunumlarında “Aydınlatılmış onam formu”nun alındığının belirtilmesi,
- Başkalarına ait ölçek, anket, fotoğrafların kullanımı için sahiplerinden izin alınması ve belirtilmesi,
- Kullanılan fikir ve sanat eserleri için telif hakları düzenlemelerine uyulduğunun belirtilmesi.



Makale başvurusunda;

(1) Tam metin makale, Dergi yazım kurallarına uygun olmalı, Makalenin ilk sayfasında ve teşekkür bilgi notu kısmında Araştırma ve Yayın Etiğine uyulduğuna ve Etik kurul izni gerektirmediğine dair ifadeye yer verilmelidir. Etik kurul izni gerektiren çalışmalarda, izinle ilgili bilgiler (kurul adı, tarih ve sayı no) yöntem bölümünde ve ayrıca makale ilk/son sayfasında yer verilmeli ve sisteme belgenin yüklenmesi gerekmektedir. (Dergiye gönderilen makalelerde; konu ile ilgili olarak derginin daha önceki sayılarında yayımlanan en az bir yayına atıf yapılması önem arz etmektedir. Dergiye yapılan atıflarda “Bursa Uludag Üniv. Ziraat Fak. Derg.” kısaltması kullanılmalıdır.)

(2) Tam metin makalenin taratıldığını gösteren benzerlik raporu (Ithenticate, intihal.net) (% 20’nin altında olmalıdır),

(3) İmzalanmış ve taratılmış başvuru formu, Dergi web sayfasında yer alan başvuru formunun başvuran tarafından İmzalanıp, taratılarak yüklenmesi , (Ön yazı yerine)

(4) Tüm yazarlar tarafından imzalanmış telif hakkı devir formunun taranmış kopyası,

(5) Araştırmacıların Katkı Oranı beyanı, Çıkar Çatışması beyanı verilmesi Makale sonunda; Araştırmacıların Katkı Oranı beyanı, varsa Destek ve Teşekkür Beyanı, Çatışma Beyanı verilmesi ve sisteme belgenin (Tüm yazarlar tarafından imzalanmış bir yazı) yüklenmesi gerekmektedir.

Belgelerin elektronik formatta DergiPark sistemine https://dergipark.org.tr/tr/login adresinden kayıt olunarak başvuru sırasında yüklenmesi mümkündür. 


25056 

Journal of Agricultural Faculty of Bursa Uludag University is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.