Üzüm yaprağı hastalık görüntülerinin derin öğrenme yaklaşımı ile otomatik tespiti ve sınıflandırması
Automatic detection and classification of grape leaf disease images using a deep learning approach
- Tez No: 1002344
- Danışmanlar: DOÇ. DR. HARUN BİNGÖL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Maltepe Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, üzüm yaprak türlerinin ve üzüm yaprağı hastalık görüntülerinin otomatik sınıflandırılması amacıyla derin öğrenme temelli bir yaklaşım ele alınmıştır. Üzüm bitkisi tarımsal üretimde önemli bir yere sahip olup, yaprak türleri ile hastalıklarının doğru ve hızlı biçimde belirlenmesi ürün kalitesi açısından kritik öneme sahiptir. Çalışma kapsamında, beş üzüm yaprak türü ve dört üzüm yaprağı hastalığına ait görüntülerden oluşan veri setleri kullanılmıştır. Görüntüler, derin öğrenme tabanlı sınıflandırma modelleri ile analiz edilmiş; veri hazırlama, model eğitimi ve sonuçların değerlendirilmesi aşamalarını içeren deneysel çalışmalar gerçekleştirilmiştir. Elde edilen bulgular, derin öğrenme tabanlı yaklaşımların üzüm yaprak türleri ve üzüm yaprağı hastalıklarının sınıflandırılmasında etkili sonuçlar sunduğunu göstermektedir. Çalışma, üzüm yaprağı türü ve hastalık tespitinin yapay zekâ temelli yöntemlerle daha etkin biçimde gerçekleştirilebileceğini ortaya koyarak literatüre katkı sağlamaktadır.
Özet (Çeviri)
In this thesis, a deep learning–based approach is presented for the automatic classification of grape leaf types and grape leaf disease images. Grapevine is of significant importance in agricultural production, and accurate and rapid identification of leaf types and diseases is critical for ensuring product quality. Within the scope of the study, image datasets consisting of five grape leaf types and four grape leaf disease categories were utilized. The images were analyzed using deep learning–based classification models, and experimental studies were conducted encompassing data preparation, model training, and evaluation of the obtained results. The findings demonstrate that deep learning–based approaches provide effective results in the classification of grape leaf types and grape leaf diseases. The study contributes to the literature by demonstrating that grape leaf type and disease detection can be performed more effectively using artificial intelligence–based methods.
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
- Üzüm yaprağında görülen hastalıkların derin öğrenme ile tespiti ve sınıflandırılması
Detection and classification of grape leaf diseases using deep learning
UMUT FIRAT
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzincan Binali Yıldırım ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DOÇ. DR. İSMAİL AKGÜL
- Asma yaprağında hastalık tespiti için derin öğrenme tabanlı mobil uygulama geliştirilmesi
Development of a deep learning based mobile application for disease detection in grapevine leaves
SEYİT GAZİ YILDIZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM YILDIZ
DR. ÖĞR. ÜYESİ ALİ SARIKAŞ
- A comparative study of YOLOv8 and faster R-CNN in fruit leaf disease detection for precision
Meyve yaprağı hastalığının tespıtı ıçın YOLOv8 ve faster R-CNN metotlarının kullanımı
ARELDI BALA
Yüksek Lisans
İngilizce
2024
ZiraatAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CAFER ÇALIŞKAN
- Integrating path planning and image processing with UAVs for disease detection and yield estimation in indoor agriculture
Kapalı alan tarımda hastalık tespiti ve verim tahmini için rota planlama ve görüntü işlemenin İHA'larla entegre edilmesi
ONAT ERDOĞMUŞ
Yüksek Lisans
İngilizce
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERDİNÇ ALTUĞ