Derin öğrenme yöntemleri ile bitki sınıflandırma
Plant classification with deep learning methods
- Tez No: 748044
- Danışmanlar: DOÇ. DR. RECEP ERYİĞİT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Bitki hastalıklarının çoğu zaman gözle görülebilir semptomlar gösterir ve günümüzde kabul edilen teknik, deneyimli bir bitki patoloğunun hastalığı, enfekteli bitki yapraklarını sadece gözlem yoluyla teşhis eder. Hastalık tanı sürecinin sadece gözle gözlem yapılması, zaman kaybı ve tanı başarısının patoloğun yetenekleriyle orantılı olduğu gerçeği, bu sorunun bilgisayar destekli tanı sistemleri için mükemmel bir uygulama alanı haline getirmektedir. Başarılı sonuçlara hızlı ve güvenilir ulaşmak için manuel öznitelik çıkarmanın kusursuz olması gereken klasik makine öğrenmesi yöntemleri yerine, ön işleme gerek duymayan ve başarılı bir sınıflandırma yapabilen bir modele ihtiyaç vardır. Bu çalışmada, bitki yaprak hastalıkları sınıflandırmasında derin öğrenme mimarileri incelenmiş ve bu konudaki önerilen modellerden olan Resnet50V2 ve MobileNet performansı karşılaştırılmıştır. Modelleri eğitmek için Kaggle üzerinden yayınlanan elma yaprakları veri seti kullanıldı. İki model için de aynı veri seti ve bilgisayar üzerinden işlem yapılmıştır. Resnet50V2'nin bu yapılan araştırmada MobileNet modeline göre daha iyi sonuç aldığı görülmüştür.
Özet (Çeviri)
Plant diseases often show observable symptoms, and the currently recognized knowledgeable, experienced plant pathologist will diagnose the disease in infected plant leaves only by observation. The fact that the disease diagnosis process is only visually observed, the loss of time and the fact that the success of the diagnosis is proportional to the abilities of the pathologist makes this problem more suitable and usable for computer aided diagnosis systems. In order to achieve fast and reliable results that will be considered successful, there is a need for a model that does not require any prior work and can make a classification with a high success rate, instead of the constantly used standard machine learning methods where manual feature extraction must be flawless. In this study, deep learning architectures in the classification of plant leaf diseases were examined and the performance of Resnet50V2 and MobileNet, which are suggested models on this subject, were compared. The apple leaves veri seti published on Kaggle was used to train the models. The same data set and computer were used for both models. In this research, Resnet50V2 was found to have better results than the MobileNet model.
Benzer Tezler
- Automatic determination of plant type and phenological stage with deep learning methods
Tarla görüntülerinden bitki türü ve fenolojik evresinin derin öğrenme yöntemleri ile otomatik saptanması
AIGERIM KAIROLDAYEVA
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Bilgisayar destekli derin öğrenme yöntemleri ile bitki sağlığının tespit ve izlenmesi
Detecting and monitoring plant health with computer-aided deep learning methods
MUHAMMET KÜRŞAT YILDIRIM
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN YAMAÇLI
- Kayısı yapraklarının evrişimsel sinir ağları kullanılarak sınıflandırılması
Classification of apricot leafs via convolutional neural network
BERNA ARI
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Derin öğrenme yöntemleri ile asma yaprak hastalıklarının sınıflandırılması
Classification of vine leaf diseases using deep learning methods
YASİN ÜNAL
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
PROF. DR. MEHMET KARA
- Uzaktan algılama ve derin öğrenme yöntemleri ile İstanbul'un yerel iklim alanları ve yer yüzeyi sıcaklığı değişimleri arasındaki ilişkinin incelenmesi
Investigation of the relationship between local climate zones and land surface temperature changes in İstanbul using remote sensing and deep learning methods
MELİKE NİCANCI SİNANOĞLU
Yüksek Lisans
Türkçe
2024
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA