Arıcılık faaliyetlerinde yapay zeka yöntemleri kullanılarak hastalıkların tespiti
Diagnosis of diseases using artificial intelligence methods in beekeeping activities
- Tez No: 1002901
- Danışmanlar: DR. ÖĞR. ÜYESİ NURİ BİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Arıcılık, Bilgisayarla görme, Beekeeping, Computer vision
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Arıcılık insanlık tarihi boyunca önemli bir tarımsal faaliyet olmuştur. Arılar hem doğa hem de insan için büyük önem taşıyan canlılardır. Çünkü ekosistemin devamlılığı açısından arılara ihtiyaç vardır. Bal ve arı ürünlerinin yanı sıra doğadaki polinasyona (tozlaşma) olan katkılarıyla sürdürülebilir gıda üretimini sağlarlar. Gelişen dünyada tarımsal faaliyetler içerisinde arıcılığa olan ilgi her geçen gün artmaktadır. Bu ilgi bilgiyi de beraberinde getirmiş ve arıcılık eğitimleri ile kısa sürede ve az sermaye ile insanlar bu sektörde üretim yapmaya başlamışlardır. Fakat arıcılık faaliyetlerinde üretimin verimliliğini ve kalitesini etkileyen hastalıklar ve zararlılar ciddi ürün ve koloni kayıplarına neden olmaktadır. Bu bağlamda hastalıkların teşhisi, tedavi ve mücadele yöntemleri arıcılığın en önemli noktasını oluşturur. Günümüzde en fazla görülen ve arıcılar arasında gözle tespit edilen hastalık ve zararlılar yapay zeka yöntemleri ile daha net ve kısa sürede tespit edilebilir ve bu sayede verim düşüklülüğü en aza indirgenebilir. Bu yöntemin arıcıların daha kaliteli üretim yapmalarına olanak sağlayacağı gibi dolaylı olarak ekosistemde ki dengelere de katkı sağlayacağı da görülmüştür. Bu çalışmada toplamda 6222 adet 6 farklı arı hastalığı ve zararlısı görsellerinden oluşan veri kümesi, dokuz ayrı CNN modeli transfer learning yöntemiyle model iyileştirmeleri yapılarak kullanılmıştır. Bunlar; DenseNet169, VGG16, VGG19, ResNet50, InceptionResNetV2, EfficientNetB1, InceptionV3, Xception ve MobileNetV2 modelleridir. Model eğitimleri sonucunda karşılaştırma yapılmış ve en başarılı model %92,36 oranında doğru tahmin yapan ResNet50 modeli olmuştur.
Özet (Çeviri)
Beekeeping has been an important agricultural activity throughout human history. Bees are creatures of great importance for both nature and humans. Because bees are needed for the continuity of the ecosystem. Besides honey and bee products, they ensure sustainable food production with their contributions to pollination in nature. The interest in beekeeping in agricultural activities in the developing world is increasing every day. This interest has brought knowledge with it, and people have started to produce in this sector in a short time with beekeeping trainings and with little capital. However, diseases and pests that affect the efficiency and quality of production in beekeeping activities cause serious crop and colony losses. In this context, the diagnosis, treatment and control methods of diseases constitute the most important point of beekeeping. Diseases and pests that are most common today and detected by eye among beekeepers can be detected more clearly and in a shorter time using artificial intelligence methods, and thus decrement of yield can be minimized. It has been seen that this method will allow beekeepers to make better quality production, as well as indirectly contribute to the balances in the ecosystem. In addition, it has also been an example of detections of diseases using artificial intelligence methods in autonomous beehive development studies. In this study, a data set consisting of a total of 6222 images of 6 different bee diseases and pests was used by making model improvements with nine separate CNN model transfer learning methods. These are DenseNet169, VGG16, VGG19, ResNet50, InceptionResNetV2, EfficientNetB1, InceptionV3, Xception and MobileNetV2 models. As a result of the model trainings, a comparison was made and the most successful model was the ResNet50 model, which made %92,36 accurate predictions.
Benzer Tezler
- Büyük mum güvesi (Galleria mellonella L.) ya etkili Bacillus thuringiensis suşları ve bunların plazmid içerikleri üzerinde araştırmalar
A Study of bacillus thuringiensis strains effected on creater max moth (Galleria mellonella L.) and their plasmids
MUSTAFA AKÇELİK
- İlkokul 5. sınıf öğrencilerinde yaratıcı düşünme yeteneği ile benlik kavramı arasındaki ilişki
Başlık çevirisi yok
DERYA SÜZEN
- Türk sermaye piyasasının ekonomik analizi ve Türkiyede hisse senedi fiyatlarını belirleyen etkenler
L Analyse econoique du marche du capital turc et les facteurs qui determinent les prix des actions en turquie
SADUN ABAÇ
- Çukurova bölgesindeki bal tarım satış kooperatiflerinin ve ortaklarının çalışmaları ve sorunları üzerine bir araştırma
Başlık çevirisi yok
MEHMET ZEYBEK
