XAI-oriented transfer learning evaluation for blueberry disease diagnosis
Yaban mersini hastalık tanısında XAI odaklı transfer learning değerlendirmesi
- Tez No: 986606
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET TEOMAN NASKALİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Küresel nüfus artışıyla birlikte, tarımsal üretimde daha verimli, sürdürülebilir ve teknoloji destekli yöntemlere olan ihtiyaç artmıştır. Bitki hastalıkları, tarımda verim kaybı ve ekonomik zararların başlıca nedenlerindendir. Geleneksel hastalık teşhis yöntemleri zaman alıcıdır ve hataya açıktır. Bu sorunlara çözüm olarak, yapay zekâ ve özellikle derin öğrenmeye dayalı görüntü işleme teknikleri son yıllarda önemli ilerlemeler kaydetmiştir. Ancak, tarımsal veri kümelerinin sınırlı ve dengesiz yapısı, modellerin sıfırdan eğitilmesini zorlaştırmaktadır. Bu nedenle transfer öğrenme, büyük veri kümeleri üzerinde önceden eğitilmiş modellerin, daha küçük ve alana özgü veri kümeleriyle yeniden eğitilmesi yoluyla uygulanmaktadır. Bu çalışmada, yaban mersini (Vaccinium corymbosum) bitki hastalıklarının sınıflandırılması amacıyla VGG16, ResNet18, DenseNet121, EfficientNet-B0 ve MobileNetV2 gibi çeşitli CNN mimarileri test edilmiştir. DenseNet121 ve EfficientNet-B0 %100 doğrulukla en iyi sonuçları vermiştir. Açıklanabilir yapay zekâ (XAI) tekniği olan Grad-CAM ile modellerin hangi görüntü bölgelerine odaklandığı görselleştirilmiştir. Bu sayede, model kararlarının anlaşılması ve veri toplama sürecinde yapılacak iyileştirmeler desteklenmiştir. Sonuç olarak, açıklanabilirlik ve aktarım öğrenmesi birleştirildiğinde, güçlü ve güvenilir tarımsal analiz sistemleri geliştirilebileceği ortaya konmuştur.
Özet (Çeviri)
With the increase in the global population, the need for more efficient, sustainable, and technology-supported methods in agricultural production has grown. Plant diseases are among the main causes of yield loss and economic damage in agriculture. Traditional disease diagnosis methods are time-consuming and prone to error. As a solution to these problems, artificial intelligence, and especially deep learning-based image processing techniques, have made significant progress in recent years. However, the limited and imbalanced nature of agricultural datasets makes training models from scratch challenging. Therefore, transfer learning is applied by fine-tuning models that have been pre-trained on large datasets with smaller and domain-specific datasets. In this study, various CNN architectures including VGG16, ResNet18, DenseNet121, EfficientNet-B0, and MobileNetV2 were tested to classify blueberry (Vaccinium corymbosum) plant diseases. DenseNet121 and EfficientNet-B0 achieved the highest performance with 100% accuracy. Grad-CAM, an Explainable AI (XAI) technique, was used to visualize the regions of the image that the models focused on. This interpretability supported understanding the model's decisions and improving data collection processes. For example, it helped identify visual misinterpretations caused by lighting or raindrops. In conclusion, combining explainable AI with transfer learning demonstrated the potential for developing robust and reliable agricultural image analysis systems.
Benzer Tezler
- Trombe duvarlı pasif sistemlerde hava kanalının sayısal incelenmesi
Numerical simulation of trombe wall channel
TUĞBA DURMAZ
Yüksek Lisans
Türkçe
1997
Makine Mühendisliğiİstanbul Teknik ÜniversitesiEnerji Ana Bilim Dalı
PROF. DR. NİLÜFER EĞRİCAN
- Isıtmada enerji ekonomisi ve yaşam dönem maliyeti açısından uygun bina kabuğu ve işletme biçimi seçeneğinin belirlenmesinde kullanılabilecek bir yaklaşım
An Approach for the determination of building envelope and operation period of heating system according to energy conservation and life cycle cost
GÜLTEN MANİOĞLU
- Enerji etkin konut ve yerleşme birimi dizaynında uygulanabilecek bir yaklaşım
An Approach for the design of the energy efficient building and the settlement
FİLİZ AK
- Oturum verileri üzerinden davranışsal anomali ve iç tehdit tespiti: açıklanabilir yapay zekâ destekli bir yaklaşım
Behavioral anomaly and insider threat detection from session data: an explainable artificial intelligence-based approach
ERHAN YILMAZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜ CAN
- Explainable ai and optimization theory based wireless radio resource management
Açıklanabilir yapay zeka ve optimizasyon teorisine dayalı kablosuz radyo kaynak yönetimi
NASIR KHAN
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SİNEM ÇÖLERİ