Yapay sinir ağları ve derin öğrenme teknikleri kullanılarak elma ve ayvada çeşitli hastalıkların tespit edilmesi
Detection of various diseases in apple and quince by using artificial neural networks and deep learning techniques
- Tez No: 665001
- Danışmanlar: DOÇ. DR. ATİLLA ERGÜZEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Bu çalışma kapsamında, üç farklı kişiden alınan 7 sınıf için 150 adet RGB görüntü kullanılarak bir veri seti elde edilmiştir. Veri kümelerine veri artırma yöntemleri uygulanmış, görüntü sayısı her bir sınıf için 900 adet olacak şekilde toplam 6300'den, 12600'e yükseltilmiştir. Hastalıkların sınıflandırılması için hem problemin çözümüne yönelik 10 katmanlı bir evrişimli derin ağ modeli oluşturulmuş hem de derin öğrenme yöntemlerinden biri olan aktarımlı öğrenme yöntemi kullanılarak hazır modellerden VGG16, Inception ve ResNet derin ağ mimarileri kullanılmıştır. Ayrıca derin öğrenmenin öznitelik çıkarımı tekniğinden faydalanılarak elde edilen öznitelik vektörü ile geleneksel makine öğrenme yöntemlerinden olan Destek Vektör Makineleri (Support Vector Machines, SVM) ve K- En Yakın Komşu(K- Nearest Neighbor, K-NN) yöntemleri ile sınıflandırılmıştır. Elde edilen sonuçlar zaman ve başarım oranlarına göre kıyaslanarak, en başarılı yöntem belirlenmiştir. Bu çalışmada, görsel hasar bırakan elma ve ayva yüzeyinde iz bırakan hastalıkların, yapılan analizler sonucunda başarılı bulunan derin öğrenme yöntemlerinden biri olan aktarımlı öğrenme kullanılarak gerçek zamanlı yazılı dile çevrilmesi sağlanmış böylece hastalığın tespiti sağlanmıştır. Ayrıca, tasarlanan bu gerçek zamanlı sistem ile elma ve ayva hastalıklarına ait görüntüleri tanıma ve tahminini bilgisayar ekranına yazdırmasındaki başarısı değerlendirilmiştir.
Özet (Çeviri)
Within the scope of this study, a data set was obtained using 150 RGB images for 7 classes taken from three different people. Data enhancement methods were applied to data sets, and the number of images was increased from 6300 to 12600, from 900 for each class. For the classification of the diseases, a 10-layer convolutional deep network model was created for the solution of the problem, and by using the transfer learning method, one of the deep learning methods, VGG16, Inception and ResNet deep network architectures were used. In addition, the feature vector obtained by using the feature extraction technique of deep learning and the traditional machine learning methods, Support Vector Machines (SVM) and K-Nearest Neighbor (K-NN) methods were classified. The most successful method was determined by comparing the obtained results according to time and performance rates. In this study, diseases that leave marks on the surface of apple and quince that cause visual damage were translated into real-time written language using transfer learning, which is one of the deep learning methods that was found successful as a result of the analyzes, thus the disease was detected. In addition, with this designed real-time system, its success in recognizing and predicting the signs of apple and quince diseases on the computer screen was evaluated.
Benzer Tezler
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Aydınlatmanın görüntü işleme problemlerine etkisinin yapay zeka teknikleri kullanılarak analizi
Analysis of the effect of lighting on image processing problems using artificial intelligence techniques
BİRKAN BÜYÜKARIKAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÜLKER
- Makine öğrenme teknikleri kullanılarak basınç ülserlerinin sınıflandırılması
Classification of pressure ulcers using machine learning techniques
BİLGE YILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. İBRAHİM YÜCEDAĞ
ÖĞR. GÖR. FADİME ÖĞÜLMÜŞ DEMİRCAN
- Makine öğrenme tekniklerini kullanarak güneş enerji sistemlerinin elektrik üretim tahmini
Electric generation forecast of solar energy systems using machine learning techniques
GÜLŞAH KATIRCIGİL
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET DURAN TOKSARI
- Novel mechanism and controller design for hybrid force-position control of humanoid robots
İnsansı robotlarda birleşik kuvvet-konum kontrolü için yenilikçi mekanizma ve kontrol tasarımı
CİHAT BORA YİĞİT
Doktora
İngilizce
2018
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. PINAR BOYRAZ