1. Home
  2. Browse by Author

Browsing by Author "Olcar, Bayram"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Master Thesis
    Live Weight Prediction From Top View Images of Akkaraman Male Lambs Using Digital Image Processing and Machine Learning Methods
    (2025) Olcar, Bayram; Çakmakçı, Cihan
    Koyun yetiştiriciliğinde canlı ağırlık bilgisinin hızlı ve doğru tespiti sürü yönetimi açısından büyük öneme sahiptir. Geleneksel canlı ağırlık ölçüm yöntemleri zaman alıcı olup, hem hayvanlar hem de çalışanlar için çeşitli zorluklar içermektedir. Bu çalışmanın amacı, koyunların sırt görüntülerinden dijital görüntü işleme ve makine öğrenmesi yöntemleriyle canlı ağırlık tahmini gerçekleştirmektir. Araştırmada, Van Yüzüncü Yıl Üniversitesi Hayvancılık Uygulama ve Araştırma Merkezi'nde yetiştirilen 38 baş Akkaraman ırkı erkek kuzunun üç farklı yaşta (3, 4 ve 5 aylık) alınan sırt görüntüleri ile eşzamanlı tartımla elde edilen canlı ağırlık verileri kullanılmıştır. Video kayıtlarından elde edilen yüksek çözünürlüklü görüntülerden, morfolojik öznitelikler çıkarılarak veri seti oluşturulmuştur. Oluşturulan veri seti üzerinde Rassal Ormanlar (RF), Destek Vektör Makineleri (SVM), Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (MARS) ve Aşırı Gradyan Artırma (XGBoost) algoritmaları modellenmiş ve performansları karşılaştırılmıştır. Modellerin tahmin performansları test verilerinde Ortalama Mutlak Hata (MAE), Kök Ortalama Kare Hata (RMSE) ve Belirtme Katsayısı (R²) gibi çeşitli istatistiksel ölçütlerle değerlendirilmiştir. MARS modeli en yüksek tahmin performansını göstermiş (R²=0.94, MAE=1.54 kg, RMSE=2.14 kg), bunu sırasıyla RF (R²=0.92, MAE=1.88 kg, RMSE=2.60 kg) ve XGBoost (R²=0.91, MAE=1.96 kg, RMSE=2.83 kg) modelleri takip etmiştir. Araştırma sonuçları, görüntü işleme ve makine öğrenmesi tekniklerinin koyunculukta canlı ağırlık tahmininde güvenilir ve pratik bir alternatif olarak kullanılabileceğini ortaya koymuştur. Bu çalışma, hayvancılıkta teknolojik gelişmelerin uygulanması ve sürü yönetiminde dijital dönüşümün sağlanması açısından önemli bir adım teşkil etmektedir.