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
- Kültürel zekâ düzeyi ile kültürel çeşitlilik uygulamaları arasındaki ilişkide sosyal adalet liderliğinin aracılık rolü
The mediating role of social justice leadership in the relationship between cultural intelligence level and cultural diversity practice
BAHAR YÜCE
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimEge ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. NEDİM ÖZDEMİR
- Attitudes of foreign employees towards AI at work in Turkish organizations
Türk kuruluşlarında yabancı çalışanların iş yerinde Yapay Zeka'ya karşı tutumları
SAADIA USMAN
Yüksek Lisans
İngilizce
2025
İşletmeİstanbul Aydın Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURÇİN KAPLAN
- İş ve Sosyal Güvenlik Hukuku bakımından dijital platform çalışanlarının hukuki statüsü
Legal status of digital platform workers in terms of Labour and Social Security Law
HAZAL TOLU YILMAZ
Doktora
Türkçe
2022
Çalışma Ekonomisi ve Endüstri İlişkileriGalatasaray ÜniversitesiÖzel Hukuk Ana Bilim Dalı
PROF. DR. ENVER MURAT ENGİN
- Yapay zeka, yeşil inovasyon ve firma performansı ilişkisi
The relationship between artificial intelligence, greeninnovation and firm performance
HÜSNA YÜCEKAYA
- Öğretmen dijital liderliğinin eğitimde yapay zeka kullanımı üzerindeki etkisi: Yapay zeka kabulü ve tutumunun aracı rolü
The mediating role of artificial intelligence acceptance and attitudes in the effect of teachers' digital leadership on the use of artificial intelligence in education
BARZAN BATUK
Doktora
Türkçe
2026
Eğitim ve ÖğretimSiirt ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. HASAN BASRİ MEMDUHOĞLU