Fiducial marker detection and identification for individual honey bee tracking using cascaded deep learning models

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: MUSTAFA YAVUZ KARA

Danışman: Hande Alemdar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Görsel referans işaretçilerinin yüksek başarımlı ve verimli şekilde tespit edilip çözümlenmesi, nesnelerin kendi kimlikleri ile birlikte takip edilmesinde önemli bir gereksinimdir. Bu işaretçiler biyologlar tarafından deney kovanları ve düzeneklerinin uzun süreli otomatik analizinde kulllanılmaktadır. Bu konuda yüksek kesinlikte sonuçlar sağlayan ve zaman açısından verimli yöntemlerin geliştirilmesi, özellikle bilimsel deneylerde otomatik olarak gözlem, veri kaydı ve analiz yapılabilmesi açısından büyük önem arzetmektedir. Bu tezde görsel işaretçilerin tespiti ve çözümlenmesi için yüksek başarımlı, verimli ve esnek bir yöntem önerilmektedir. Bu model iki aşamalı bir işaretçi tespit ve çözümleme sistemi olarak yapılandırılmış olup, her aşamanın ana elemanı sistemin kalanından bağımsız olan ve ayrı olarak eğitlebilen bir derin öğrenme modeli barındırmaktadır. Aynı zamanda bu derin öğrenme modellerinin öğrenmelerini üzerinde etkin olarak gerçekleştirebilecekleri, insanlar tarafından işaretlenmeye gerek duymadan küçük bir arka plan görüntü setinden ve işaretçilerden farklı büyüklüklerde veri setlerinin oluşturulması için bir yöntem de belirtilmiştir. Son olarak bu tezde anlatılan işaretçi tespit ve çözümleme yöntemlerinin ve oluşturulan eğitim veri setlerinin etkinliği, iki boyutlu görsel işaretleme ve kimlik takip etme işaretçilerinin kullanılmış olduğu Apis mellifera (bal arısı) gerçek biyoloji deneylerinden alınan veriler üzerinde gösterilmiştir.