Geri Dön

A deep learning approach for the prediction of diseases in cotton cultivation

Pamuk yetiştiriciliğindeki hastalıkların derin öğrenme yaklaşımı ile tahmin edilmesi

PDF İndir

  1. Tez No: 704774
  2. Yazar: BURAK KAYA
  3. Danışmanlar: PROF. DR. EFENDİ NASİBOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tezde, pamuk bitkisinin yetiştirilmesinde etkili olan çevresel faktörlerin bir alt başlığı olan pamuk hastalıklarının görüntü işleme ve derin öğrenme yöntemleri yardımıyla tespiti ve tahminlenmesi üzerine yapılan bir çalışma sunulmuştur. İlk aşamada, pamuk bitkisine ait görüntüler, tercih edilen derin öğrenme yöntemlerinin uygulanması esnasında karşılaşılabilecek sorunları minimize etmek adına ön işleme tabi tutulmuştur. Ön işlem sonucu elde edilen bu veriler, uygulanan derin öğrenme modellerinin optimizasyonu için girdi verileri olarak kullanılmıştır. Bu girdi verileri yardımıyla, Evrişimli Sinir Ağları, Uzun Kısa Vadeli Hafıza Ağları ve Evrişimli Uzun-Kısa Vadeli Hafıza Ağları modellerinin hiper-parametrelerine karar verilmiştir. Son aşamada ise, optimize edilen bu modellere girdi olarak verilen rastgele görüntüler üzerinden yapılan tahminlemelerin başarım oranları değerlendirilmiştir. Çalışma neticesinde elde edilen sonuçlar, analiz edilmiş ve literatürdeki çalışmalar ile karşılaştırılmıştır.

Özet (Çeviri)

In this thesis, a study on the detection and prediction of cotton diseases, which is a sub-title of environmental factors that are effective in the cultivation of cotton plants, with the help of image processing and deep learning methods is presented. In the first stage, the images of the cotton plant were preprocessed in order to minimize the problems that may be encountered during the application of the preferred deep learning methods. These data obtained as a result of the preprocessing were used as input data for the optimization of the applied deep learning models. With the help of this input data, the hyper-parameters of Convolutional Neural Networks, Long Short-Term Memory Networks and Convolutional Long Short-Term Memory Networks models are decided. In the last phase, the success rates of the predictions made on random images given as input to these optimized models were evaluated. The results obtained as a result of the study were analyzed and compared with the studies in the literature.

Benzer Tezler

  1. Tez No

    687467

    Using gene expression profiles of cancer patients with image-based deep learning approach to develop methods for classification and prediction of cancer while revealing critical genes

    Kanser hastalarının gen ifade verileri kullanılarak kanserde kritik genlerin tanımlanması, kanser sınıflandırılması ve tahmini için görüntü-tabanlı derin öprenme yaklaşımı

    BÜŞRA NUR DARENDELİ KİRAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    BiyomühendislikYıldız Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALPER YILMAZ

  2. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    992076

    Deep learning-based analysis of retinal OCT) scans for diagnosis of alzheimer's disease

    Optik koherens tomografi taramaları ve derin ögrenme tabanlı alzheimer hastalıgı teshisi

    YASEMİN TURKAN

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FAİK BORAY TEK

  4. Tez No

    1003564

    A unified framework for secure and intelligent ECG signal processing via chaotic encryption, fully homomorphic computation and federated learning

    Kaotik şifreleme, tam homomorfik hesaplama ve federatif öğrenme ile güvenli ve akıllı EKG sinyal işleme için birleşik bir çerçeve

    BEYAZIT BESTAMİ YÜKSEL

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE YILMAZER METİN

  5. Tez No

    878232

    Üretken çekişmeli ağların (Gan) tıp alanındaki uygulamaları: Görüntü işleme ve tanı süreçlerinde Gan'ların rolü

    Applications of generative adversarial networks (Gan) in medicine: The role of Gans in image processing and diagnostic processes

    HAMİT OLĞAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiDicle Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSA ATAŞ

Geri Dön