Tez No	İndirme	Tez Künye	Durumu
709436		Design of a soil texture analysis device based on ultrasound sensors and machine learning methods / Ultrases sensörleri ve makine öğrenmesi tabanlı toprak doku analiz cihazı tasarımı Yazar:EMRE KILINÇ Danışman: DOÇ. DR. UMUT ORHAN Yer Bilgisi: Çukurova Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Destek vektör makineleri = Support vector machines ; Doku analizi = Texture analysis ; Tahminleme = Forecasting ; Tekstüre işlemi = Texturing ; Zaman serileri = Time series ; Çok katmanlı ağlar = Multilayer networks	Onaylandı Doktora İngilizce 2022 106 s.
Bu tezde, toprak bünyesindeki kum, silt ve kil minerallerinin oransal dağılımlarını bulmak için kullanılan geleneksel hidrometre metoduna alternatif olabilecek dijital bir toprak tekstür analiz sistemi tanıtılmıştır. Toprak bünyesini belirlemede kullanılan hidrometre, pipet vs. gibi geleneksel ve oturmuş yöntemler, tamamen mekanik olmaları, elle yapılmaları, uzman kontrolüne ve laboratuvara ihtiyaç duymaları gibi birçok dezavantaja sahiptir. Günümüz gelişen teknolojileri göz önünde bulundurulunca, bilgisayarlı bir tahminleme sisteminin tasarlanması kaçınılmaz olmuştur. 3B tasarlanmış ve yazdırılmış bir kap kullanılarak, makine öğrenmesi metodlarının da yardımıyla veriyi yorumlayarak tahminleme yapabilen bir cihaz ortaya konmuştur. Sistem, kapalı bir kap içerisine konmuş toprak-su karışımından geçirilen ses sinyallerinin şiddetinde meydana gelen değişimleri makine öğrenmesi metodları ile yorumlamaktadır. Toprak su karışımındaki kum, silt ve kil parçacıklarının farklı hızlarda çökelme özelliklerinden yararlanılarak elde edilen bu sinyallerdeki değişimler bilgisayarda kaydedilerek, bilgisayarlı tahminleme adımları uygulanmıştır. Makine öğrenmesi metodu olarak Destek Vektör Regresyonu ve Çok Katmanlı Algılayıcı mimarileri kullanılarak, eldeki örnek toprakların hidrometre sonuçlarına karşılık makine öğrenmesi metodlarının başarıları karşılaştırılmıştır. Standart hidrometre metodunda kabul edilen 10% hata payı da dikkate alındığında önerilen makine öğrenmesi destekli otomatize tekstür analizörünün kabul edilebilir sonuçlar ürettiği görülmüş. Böylece kapalı bir kap içerisine koyulan toprak-su karışımındaki kum, silt ve kil yüzdelerini makine öğrenmesi metodları ile tahminleyebilen, uzman denetiminden ve laboratuvar ortamından bağımsız, taşınabilir olma potansiyeli yüksek, daha az madde ile çalışabilen bilgisayarlı bir toprak tekstür analizörü detaylarıyla birlikte ortaya konmuştur.
In this thesis, a digital soil texture analysis system is designed and introduced, which can be an alternative to the traditional hydrometer method used to find the proportional distributions of sand, silt and clay minerals in the soil. Traditional methods have many disadvantages such as being completely mechanical, needing expert control and laboratory. Considering today's advanced technologies and innovations, it has become inevitable to design a computerized forecasting system. The system has been redesigned using a 3D-printed container with ultrasound sensors. The system makes predictions by interpreting the changes in the intensity of the sound signals passed through the soil-water mixture placed in a closed container with machine learning methods. The changes in these signals, which are obtained by utilizing the sedimentation properties of sand, silt and clay particles in the soil-water mixture at different rates, were recorded on the computer, and computerized estimation steps were applied to the data. By using Support Vector Regression and Multi-Layer Perceptron architectures, the success of machine learning methods have been compared against traditional hydrometer results of the sample soils. Considering the 10% margin of error accepted in the standard hydrometer method, it has been seen that the proposed machine learning supported automated texture analyzer produced acceptable results. Thus, a computerized soil texture analyzer, which can predict the percentages of sand, silt and clay in the soil-water mixture in a closed container, using machine learning methods, is independent of expert supervision and laboratory environment, has a high portability, and can work with less material, has been presented in detail.