Yazar "Aydin, Mahmut" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • [ X ]
    Öğe
    Korunga (Onobrychis sp.) bitkisine ait dijital renkli fotoğraflar üzerinde görüntü işleme ve yapay zekâ yöntemleriyle optimum hasat zamanının tahmini
    (Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi, 2026) Aydin, Mahmut; Şakiroğlu, Muhammet
    Korunga (Onobrychis sp.), kurak ve yarı kurak iklim koşullarına uyumlu, çok yıllık bir baklagil yem bitkisidir. Düşük bakım ihtiyacı ve yüksek besin değeri sayesinde, ruminant hayvanların beslenmesinde önemli bir yere sahiptir. Korunga tohumları son zamanlarda insan ve hayvan tüketimi amacıyla alternatif birçok yıllık baklagil dane bitkisi olarak da geliştirilmektedir. Ancak korunga yeminin kalitesi, büyük ölçüde hasat zamanına bağlıdır. En uygun hasat zamanı, biyokütle miktarının yüksek ve besin madde içeriği ile sindirilebilirliğin maksimum olduğu evreye karşılık gelmektedir. Bu parametrelerin laboratuvar analizleriyle belirlenmesi hem zaman alıcı hem de maliyetlidir. Ayrıca, geleneksel yöntemlerle gerçekleştirilen hasat zamanı tahminleri ise taraflı ve zahmetli olmalarının yanı sıra, geniş alanlarda yetersiz kalmakta; bu durum ise verim, kalite ve ekonomik açıdan önemli kayıplara yol açmaktadır. Bu çalışmada, korunga bitkisinin verimliliğini ve ürün kalitesini artırmak amacıyla, 2024 yılında Kars ve Erzurum illerindeki dört farklı korunga arazisinde, farklı gelişim aşamalarında insansız hava aracı (İHA) ile yüksek çözünürlüklü fotoğraflar toplanmıştır. Toplanan görüntülerle eş zamanlı olarak 1m2'lik iki adet çerçeve uygulamasıyla araziden rastgele bitki örnekleri alınmıştır. Elde edilen bitki örneklerinin besin madde kompozisyonu (NDF, ADF, CP, CT) analiz sonuçları kullanılarak eş zamanlı toplanan görüntülerin gelişim evreleri, makine öğrenmesi algoritmaları yardımıyla "erken", "olgun" ve "geç" olarak etiketlenmiştir. Son aşamada, etiketlenen görüntülerden bir veri seti oluşturulmuş ve bu veri seti kullanılarak görüntü işleme ve yapay zekâ teknikleri ile korunga bitkisinin en uygun hasat zamanının tahmin edilmesi amaçlanmıştır. Çalışmada, transfer öğrenme yöntemi kullanılarak çeşitli evrişimsel sinir ağı (ESA) mimarilerinin performansları karşılaştırılmıştır; VGG-16, VGG-19, EfficientNetB7, DenseNet201, ResNet50 ve InceptionV3 modelleri değerlendirilmiştir. Yapılan karşılaştırmalar sonucunda en yüksek doğruluk %97 ile EfficientNetB7 modelinden elde edilmiştir. Geliştirilen yaklaşım, görüntü işleme ve yapay zekâ teknikleri kullanılarak yem bitkilerinde hasat zamanının daha doğru ve etkin bir şekilde belirlenmesini sağlayarak sürdürülebilir tarım uygulamalarına katkı sunmayı amaçlamaktadır.
  • [ X ]
    Öğe
    Sainfoin (Onobrychis spp.) crop ontology: supporting germplasm characterization and international research collaborations
    (Frontiers Media Sa, 2023) Karabulut, Ebrar; Erkoc, Kubra; Aci, Murat; Aydin, Mahmut; Barriball, Spencer; Braley, Jackson; Cassetta, Eric
    Sainfoin (Onobrychis spp.) is a perennial forage legume that is also attracting attention as a perennial pulse with potential for human consumption. The dual use of sainfoin underpins diverse research and breeding programs focused on improving sainfoin lines for forage and pulses, which is driving the generation of complex datasets describing high dimensional phenotypes in the post-omics era. To ensure that multiple user groups, for example, breeders selecting for forage and those selecting for edible seed, can utilize these rich datasets, it is necessary to develop common ontologies and accessible ontology platforms. One such platform, Crop Ontology, was created in 2008 by the Consortium of International Agricultural Research Centers (CGIAR) to host crop-specific trait ontologies that support standardized plant breeding databases. In the present study, we describe the sainfoin crop ontology (CO). An in-depth literature review was performed to develop a comprehensive list of traits measured and reported in sainfoin. Because the same traits can be measured in different ways, ultimately, a set of 98 variables (variable = plant trait + method of measurement + scale of measurement) used to describe variation in sainfoin were identified. Variables were formatted and standardized based on guidelines provided here for inclusion in the sainfoin CO. The 98 variables contained a total of 82 traits from four trait classes of which 24 were agronomic, 31 were morphological, 19 were seed and forage quality related, and 8 were phenological. In addition to the developed variables, we have provided a roadmap for developing and submission of new traits to the sainfoin CO.