Yapay sinir ağları ile bitki hastalıklarının teşhisi
Diagnosis of plant diseases with artificial neural networks
- Tez No: 789524
- Danışmanlar: PROF. DR. MURAT HÜSNÜ SAZLI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bitki hastalıkları, Derin öğrenme, Evrişimli sinir ağları, Tanı koyma, Yapay sinir ağları, Plant diseases, Deep learning, Convolutional neural networks, Artificial neural networks
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tüm hastalıklarda olduğu gibi bitkilerde de erken teşhis önemlidir. İlerleyen hastalık veya oluşan zararlar bitkinin kaybedilmesine, hastalığın çevre tarlalara yayılmasına veya hastalığı bertaraf etmek için daha fazla tarımsal ilaç kullanılmasına neden olmaktadır. Bu da tarım sektöründe ekonomik zarara, üretimde verim düşmesine ve aşırı ilaçlama nedeni ile son kullanıcıların sağlığında olumsuz etkilere neden olmaktadır. Bitki hastalık ve zararları, bitkilerin yaprak veya meyvelerinde bölgesel görsel değişikliklere neden olmaktadır. Günümüzde yapay zeka modelleri, hastalık veya zararların tespiti ve teşhisinde bu görsel değişimleri kullanmaktadırlar. Bu çalışmada Yapay Sinir Ağ model ve yöntemleri incelenmiş, az sayıda hastalıklı bitki görüntü veri seti ile eğitilen modellerin performanslarını iyileştirmeye yönelik deneysel çalışmalar yapılmıştır. Örnek bitki olarak seçilen marul bitkisi üzerinde yaprak galeri sineğinin meydana getirdiği zararları gösteren görüntüler toplanarak bir veri seti oluşturulmuştur. Marul bitkisi eğitim seti ile hem sıfırdan öğrenme hem de transfer öğrenme ile oluşturulan Evrişimli Sinir Ağ modelleri eğitilmiştir. Eğitilen temel modeller hem marul test veri seti ile hem de domates, patates ve kabak test veri setleri ile test edilmiş ve performansları karşılaştırılmıştır. Temel modellerin performanslarını artırmak için güçlendirme (boosting), torbalama (bagging), istifleme (stacking) ve oylama (voting) gibi topluluk öğrenme yöntemleri kullanılmıştır. Deneyler sonucunda; Evrişimli Sinir Ağları ile topluluk öğrenme modellerinin birlikte kullanılmasıyla, temel modellerin daha başarılı sonuçlar elde edildiği gösterilmiştir.
Özet (Çeviri)
As with all diseases, early detection is important in crops. Progressive disease or damage results in the loss of the plant, the spread of the disease to neighboring fields or the use of more pesticides to eradicate the disease. This leads to economic losses in the agricultural sector, reduced yields and negative impacts on the health of end-users due to over-spraying. Plant diseases and pests cause localized visual changes in the leaves or fruits of plants. Nowadays, machine learning models utilize these visual changes to detect and diagnose diseases or pests. In this study, Artificial Neural Network models and methods are reviewed and experimental studies are conducted to improve the performance of the models trained with a small number of diseased plant image datasets. A dataset was created by collecting images showing the damages caused by leafminer fly on lettuce plants selected as a sample plant. With the lettuce plant training set, Convolutional Neural Network models created by both scratch learning and transfer learning were trained. The trained base models were tested with lettuce test dataset and tomato, potato and zucchini test datasets and their performances were compared. Ensemble learning methods such as boosting, bagging, stacking and voting were used to improve the performance of the base models. As a result of the experiments, it is shown that the combination of Convolutional Neural Networks and ensemble learning models gives better results than the baseline models.
Benzer Tezler
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Bitki yapraklarındaki hastalıkların derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması
Detection and classification of diseases in plant leaves using deep learning methods
NADİDE YÜCEL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED YILDIRIM
- Diagnose colon disease by feature selection based on artificial neural network and group teaching optimization algorithm
Başlık çevirisi yok
ALAA BADR EYSA EYSA
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Derin öğrenme yöntemleri ile asma yaprak hastalıklarının sınıflandırılması
Classification of vine leaf diseases using deep learning methods
YASİN ÜNAL
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
PROF. DR. MEHMET KARA
- Derin öğrenme yöntemleri ile bitki sınıflandırma
Plant classification with deep learning methods
BURAK DUMAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. RECEP ERYİĞİT