Üzüm yaprağında görülen hastalıkların derin öğrenme ile tespiti ve sınıflandırılması
Detection and classification of grape leaf diseases using deep learning
- Tez No: 1015526
- Danışmanlar: DOÇ. DR. İSMAİL AKGÜL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erzincan Binali Yıldırım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beslenme, tüm canlılar için temel bir gereksinim olup Maslow'un ihtiyaçlar hiyerarşisinde en temel fizyolojik ihtiyaçlardan biri olarak tanımlanmaktadır. İnsan beslenmesinde önemli bir yere sahip olan üzüm, yüksek besin değeri ve güçlü antioksidan bileşenleri ile dikkat çekmektedir. Bununla birlikte, diğer bitkilere benzer şekilde üzüm bitkisi de çevresel ve biyolojik etkenlere bağlı olarak çeşitli hastalıklara yakalanabilmektedir. Bu nedenle hastalıkların erken dönemde tespit edilmesi, gerekli müdahalelerin zamanında yapılmasına olanak sağlayarak bitki sağlığının korunması açısından büyük önem taşımaktadır. Bu çalışmada, üzüm yaprak görüntülerinin analiz edilmesi yoluyla hastalıkların erken aşamada tespit edilmesi ve farklı hastalık türlerinin otomatik olarak sınıflandırılması amaçlanmıştır. Bu doğrultuda, derin öğrenme tabanlı Convolutional Neural Network (CNN) mimarileri kullanılmıştır. Üzüm yapraklarına ait görüntülerden oluşan bir veri seti Python tabanlı Google Colab ortamında işlenmiş ve AlexNet, DenseNet121, EfficientNetB3, MobileNetV2 ve ResNet50 mimarileri kullanılarak hastalık tespiti ve sınıflandırılması gerçekleştirilmiştir. Modeller 20, 50 ve 100 epoch değerleri ile eğitilmiş ve performansları doğruluk, kesinlik, duyarlılık ve F1-skor metrikleri kullanılarak değerlendirilmiştir. Elde edilen sonuçlara göre, 100 epoch eğitim sonucunda AlexNet modeli %88.75 doğruluk oranı ile en düşük performansı gösterirken, DenseNet121 modeli %99.94 doğruluk oranı ile en yüksek performansı göstermiştir. Ayrıca, EfficientNetB3 modeli %99.39, MobileNetV2 modeli %99.11 ve ResNet50 modeli %99.67 doğruluk oranına ulaşmıştır. Sonuç olarak, CNN tabanlı yöntemlerin üzüm yaprağı hastalıklarının tespiti ve sınıflandırılmasında yüksek doğruluk ve güvenilirlik sağladığı, özellikle DenseNet121 mimarisinin en başarılı ve en stabil model olduğu belirlenmiştir.
Özet (Çeviri)
Nutrition is a fundamental requirement for all living organisms and is defined as one of the most basic physiological needs in Maslow's hierarchy of needs. Grapes, which are widely consumed by humans, attract attention due to their high nutritional value and strong antioxidant components. However, similar to other plants, grapevines are susceptible to various diseases caused by environmental and biological factors. Therefore, early detection of these diseases is of great importance in order to enable timely intervention and to maintain plant health. In this study, it was aimed to detect grape leaf diseases at an early stage and automatically classify different disease types by analyzing leaf images. For this purpose, deep learning-based Convolutional Neural Network (CNN) architectures were employed. A dataset consisting of grape leaf images was processed in a Python-based Google Colab environment, and disease detection and classification were performed using AlexNet, DenseNet121, EfficientNetB3, MobileNetV2, and ResNet50 architectures. The models were trained with 20, 50, and 100 epochs, and their performances were evaluated using accuracy, precision, recall, and F1-score metrics. According to the results obtained, after 100 epochs of training, the AlexNet model showed the lowest performance with an accuracy of 88.75%, while the DenseNet121 model showed the highest performance with an accuracy of 99.94%. Furthermore, the EfficientNetB3 model achieved 99.39% accuracy, the MobileNetV2 model 99.11% accuracy, and the ResNet50 model 99.67% accuracy. In conclusion, it was determined that CNN-based methods provide high accuracy and reliability in the detection and classification of grape leaf diseases, and that the DenseNet121 architecture was the most successful and stable model.
Benzer Tezler
- Endüstri atığı olan üzüm kabuğu ve çekirdeğinin bazı şekerleme ürünlerinde dolgu maddesi ve biyoaktif bileşen olarak kullanımı
Valorisation of grape skin and seed, as industrial waste, in some confectionery products as bulking agent and source of bioactive compounds
EMİR ALTINOK
Doktora
Türkçe
2022
Gıda MühendisliğiTekirdağ Namık Kemal ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEFİK KURULTAY
- Tarsus Beyazı (Vitis vinifera L.) üzüm yaprağındaantioksidan savunma sistemi düzeyinin belirlenmesi
Determination of antioxidant system status in Tarsus Beyazı(Vitis vinifera L.) leaves
ELVAN YILDIRIM
Yüksek Lisans
Türkçe
2023
BiyoteknolojiÇukurova ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. GÜLÜZAR ATLI DEMİRAY
- Malatyanın farklı yörelerinde yetiştirilen bazı kırmızı renkli meyvelerin mineral madde miktarlarının ICP (İndüksiyonla Eşleşmiş Plazma) ile tayini ve yöntemin validasyonu üzerine çalışmalar
Some red colored frui̇t grown i̇n di̇fferent parts of malatya the mi̇neral content of wi̇th ICP (Inducti̇on Coupled Plasma) determi̇nati̇on and method vali̇dati̇on studi̇es on
HATİCE YUMUŞAKBAŞ
- Farklı konakçı bitkilerin küsküt (Cuscuta monogyna Vahl.)'ün fenolik içerik, antioksidan aktivitesi ve mineral madde içeriğine etkisinin değerlendirilmesi
Evaluation of phenolics content, antioxidant activity and mineral concentrations of cuscuta (Cuscuta monogyna Vahl) on different host plants
GÜLTEN KORKMAZ
Yüksek Lisans
Türkçe
2016
BotanikKilis 7 Aralık ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. NAZIM ŞEKEROĞLU
- Asma ve asma anacı yaprak ve köklerinde kalsiyum oksalat kristallerinin yoğunluğunun değişimi ve yapısal özellikleri
Change of density and structural characteristics of calcium oxalate crystalls in leaves and roots of rootstocks and grapevine
NAZIM EMRE DURMAZ
Doktora
Türkçe
2020
ZiraatTekirdağ Namık Kemal ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. SALİH ÇELİK