Yapay zeka yöntemleriyle bitki yaprak imgelerinde pas hastalıklarının tespiti
The estimation of rust diseases on crop leave images by using artifical intelligence methods
- Tez No: 307460
- Danışmanlar: YRD. DOÇ. DR. MEHMET SİRAÇ ÖZERDEM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Bitkilerdeki hastalıklar hasadı ve dolayısıyla verimi etkilemektedir. Hastalıkların önceden kestirilmesi, çiftçilerin alacağı önlemler ile verimi artıracaktır. Verimi etkileyen önemli hastalıkların başında pas hastalığı gelmektedir. Bu çalışmada bitki örneği olarak zambak çiçeği yaprak imgeleri, zirai uygulamalarla ilgili farklı zirai sitelerden bir uzman yardımıyla elde edilmiş, GLCM ve GWT tabanlı farklı sınıflandırıcı teknikleri kullanılarak yaprağında oluşan değişimin pas hastalığı olup olmadığını kestiren bir sistem tasarlanmıştır.?lk aşamada, imgelere ilişkin gri seviyeli eş-oluşum matrisleri elde edilip matrislerin kontrast, korelasyon, enerji, homojenlik ve entropi değerleri hesaplanmıştır. ?ki boyutlu imgelere ilişkin matrislerden hesaplanan ortalama ve standart sapma değerleri öznitelik vektörüne eklenerek, her imge için toplamda 7 parametre içeren öznitelik vektörü oluşturulmuştur. ?kinci aşamada, Gabor dalgacık dönüşümü kullanılarak her bir imgeden ayrı bir özellik matrisi elde edilip, matrislerin ortalama, standart sapma ve entropi değerleri hesaplanmıştır. Bu değerler ayrı bir öznitelik vektörüne eklenerek, her imge için 3 parametre içeren yeni bir öznitelik vektörü oluşturulmuştur.Son aşamada, GLCM ve GWT tabanlı öznitelik vektörleri ayrı ayrı sınıflandırıcıların girişlerine verilerek performansı en iyi sistem belirlenmeye çalışılmıştır. Bu sistemlerde sınıflandırıcı olarak Çok Katmanlı Algılayıcı, k-En Yakın Komşu (k-NN) ve en küçük kareler Destek Vektör Makineleri (LS-SVM) yöntemleri kullanılmıştır. Zambak çiçeği yaprak imgeleri, 32 sağlıklı imge ve 21 hastalıklı imge olmak üzere toplam 53 imge verisinden oluşup, iki (1-sağlıklı, 2- hastalıklı) grupta sınıflandırılmıştır. Sınıflandırma çalışmaları sonucunda, en iyi performansa %88,9 başarı ile GLCM tabanlı k-NN ve çok katmanlı yapay sinir ağının (7-5-1) ulaştığı gözlemlenmiştir. Bulduğumuz sonuçlar bu yöntemin pas hastalığını tespit etmede doğru ve etkili çalıştığını göstermektedir.
Özet (Çeviri)
Crop diseases can affect yield and/or quality of the harvested commodity. This can influence profitability and raise the risks of farming. When the diseases are estimated early, the yield will increase by taking measures thanks to farmers. The rust disease is one of the most major crop diseases that affect crop yield. In this paper, daylily leaf images are used as crop sample and derived from different agricultural sites under expert control and daylily rust disease is estimated by using GLCM and GWT based different classifier techniques.In the first stage, the features are extracted from images with using Gray Level Co-Occurrence Matrix (GLCM) method and 7 parameters are derived by this method for each digital camera image. These parameters are contrast, correlation, energy, homogeneity, entropy, standard deviation and mean for first texture feature vector. In the second stage, a new texture feature vector is based on Gabor Wavelet Transform (GWT) and 3 parameters are derived by this method for each digital image. These are mean, standart deviation and entropy.In the final stage, GLCM and GWT based feature vectors are applied to different type of classifiers and these vectors are used as inputs in classification systems, respectively. The Multilayer Perceptron neural network (MLP), k-Nearest Neighbor (k -NN) and Least Squares Support Vector Machine (LS-SVM) classifiers have been chosen for learning and testing of 53 image data where 32 of them belongs to class I (normal), 21 of them belongs to class II (rust diseased). Different structures of networks are tested and the results are compared in terms of testing performance for each network model. The main purpose of this study is to estimate whether the crop is normal or rust diseased. Finally, the best performance was observed as 88.90 % in the k-NN and MLP network with 7-5-1 structure. Our results suggest this method is an accurate and efficient means of estimating daylily rust disease.
Benzer Tezler
- Görüntü işleme ve evrişimsel sinir ağları yöntemleriyle bitki tespiti için bilgisayarlı görü sistemi geliştirilmesi
Development of a computer vision system for plant detection using image processing and convolutional neural networks
RECAİ ÖZCAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL TÜTÜNCÜ
- Transfer öğrenme tabanlı açıklanabilir derin öğrenme yöntemleri kullanılarak bitki hastalıklarının sınıflandırılması
Classification of plant diseases using transfer learning-based explainable deep learning methods
AHMET ENES KILIÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KARAKOYUN
- Bitki yapraklarındaki hastalıkların derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması
Detection and classification of diseases in plant leaves using deep learning methods
NADİDE YÜCEL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED YILDIRIM
- Kan hemoglobin değerinin dudak mukozası görüntüleri kullanılarak yapay zeka yardımıyla non-invaziv tespit edilmesi
Non-invasive detection of blood hemoglobin levels by artificial intelligence through the utilising of lip mucosa images
TÜRKER BERK DÖNMEZ
Yüksek Lisans
Türkçe
2022
BiyomühendislikSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÇAĞRI KUTLU
- Sudan'nın günlük referans bitki su tüketiminin deterministik ve stokastik yöntemlerle modellenmesi
Modeling of daily reference evapotranspiration using deterministic and stochastic methods of Sudan
MAWADDA AHMED MOHAMMED ABDALLAH
Doktora
Türkçe
2023
ZiraatOndokuz Mayıs ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
PROF. DR. BİLAL CEMEK