Geri Dön

Zeytin yaprağındaki hastalıkların derin öğrenme teknikleri kullanılarak sınıflandırılması

Classification of olive leaf diseases using deep learning techniques

  1. Tez No: 621924
  2. Yazar: NEŞE UYSAL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN UĞUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Konvolüsyonel sinir ağı modellerinin bitki yaprak görüntüleri üzerinde hastalık ve zararlıların tanı ve teşhisi konusunda oldukça başarılı olduğu bilinmektedir. Bu tez çalışmasında zeytin bitkisine ait 3 farklı yaprak türü konvolüsyonel sinir ağı modeli ile sınıflandırılmıştır. Veri seti 3400 adet zeytin yaprak görüntüsünden oluşmaktadır. Halkalı leke hastalığı, zeytin yaprak pasakarı zararlısı ve sağlıklı yaprakların oluşturduğu 3 farklı sınıf bulunmaktadır. Farklı optimizasyon algoritmaları ve iterasyon sayılarının sınıflandırma başarısına etkisi, Konvolüsyonel Sinir Ağları (CNN) yardımı ile gözlemlenmiştir. Tez çalışmasında kullanılan CNN modelleri Google Colab bulut servisinde yer alan Tesla GPU'lar ile eğitilmiştir. Anaconda (Spyder) IDE platformunda python programlama dili ile yazılmıştır. Eğitilen modelin web uygulaması Flask kütüphanesi yardımıyla oluşturulmuştur. Tez çalışmasında önerilen CNN modeli 100 iterasyon üzerinden Adamoptimizasyon algoritması ile %84 doğruluk oranı elde etmiştir. Transfer öğrenme yöntemi kullanılarak, VGG16 ve VGG19 gibi gelişmiş CNN modelleri oluşturulan veri seti ile eğitilmiştir. Karşılaştırmalı deney sonuçlarına göre %88 doğruluk oranı ile VGG16 modeli en iyi sonucu vermiştir. Tez çalışmasında önerilen CNN modeline, Keras kütüphanesi ImageDataGenarator sınıfı ile veri arttırım işlemi uygulanmıştır. Veri arttırım yöntemi uygulanan bu model Adam optimizasyon algoritması kullanılarak 100 iterasyonda eğitilmiştir. Veri arttırım işleminin sonucunda önerilen CNN modeli %94 doğruluk oranı ile en iyi sınıflandırma başarısını elde etmiştir.

Özet (Çeviri)

Convolutional neural network models are known to be very successful in diagnosing diseases and pests on plant leaf images. In this thesis, three different leaf types belonging to olive plant were classified with convolutional neural network model. The data set consists of 3400 olive leaf images. There are 3 different classes Olive Peacock Spot disease, Aculus Olearius and healthy leaves. The effect of different optimization algorithms and iteration numbers on the classification success was observed with the help of Convolutional Neural Networks (CNN).CNN models used in the thesis were trained with Tesla GPUs in Google Colab cloud service. Anaconda (Spyder) is written in python programming language on the IDE platform. The web model of the trained model was created with the help of the Flask framework. The proposed CNN model achieved an accuracy rate of 84% with the Adam optimization algorithm over 100 iterations. Using the transfer learning method, advanced CNN models such as VGG16 and VGG19 were trained with the generated data set. According to comparative test results, VGG16 model gave the best result with 88% accuracy. The CNN model, which was proposed in the thesis study, was applied to the dataaugmentation process with ImageDataGenarator class of Keras framework. This model, which is applied dataaugmentation method, was trained in 100 iterations by using Adam optimization algorithm. As a result of the dataaugmentation process, the proposed CNN model achieved the best classification success with 94% accuracy rate.

Benzer Tezler

  1. Zeytin yaprağından hidroksitirosol'ün ekstraksiyonu, ı-131 ile radyo işaretlenmesi ve biyoetkinliğinin in vivo ve in vitro yöntemlerle incelenmesi?

    Extraction of hydroxytyrosol from olive leaf, radiolabeling with ı-131 and evaluation of the bioaffinity utilizing in vivo and in vitro methods

    MELTEM ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Radyoloji ve Nükleer TıpEge Üniversitesi

    Nükleer Bilimler Ana Bilim Dalı

    DOÇ. DR. F. ZÜMRÜT BİBER MÜFTÜLER

  2. Zeytin yaprağı ekstraktının insan hepatoselüler karsinoma hücrelerinde tirozin kinaz, insülin reseptör-1, glut4 ve glut2 protein ekspresyon seviyeleri üzerine etkilerinin araştırılması

    Research of the impact which olive leaf extract causes in human hepatocelular carsinoma cells that involves tyrosine kinase, insulin receptor-1, glut4 and glut2 protein expression levels

    BURÇİN KASAP

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    BiyokimyaBezm-i Alem Vakıf Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    PROF. DR. ABDÜRRAHİM KOÇYİĞİT

  3. 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

    Türkçe

    2016

    BiyolojiKilis 7 Aralık Üniversitesi

    Bahçe Bitkileri Ana Bilim Dalı

    PROF. DR. NAZIM ŞEKEROĞLU

  4. Organik tuzların doğal bir ürünle suda çözünürleştirilmesi

    Solving the organic salts in water with a natural product

    EVRİM KILIÇGEDİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Kimyaİstanbul Teknik Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. OYA ATICI

  5. Zeytin yaprağındaki başlıca fenolik bileşikler ve bunların antioksidan kapasiteleri üzerine araştırmalar

    Researches on phenolic substances of olive leaves and their antioxidant capacities

    BİLGE SAYGIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Gıda MühendisliğiEge Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA KEMAL ÜNAL