Geri Dön

Detection of plant diseases using image processing with machine learning

Bitki hastalıklarının makine öğrenmesi yoluyla görüntü işleme üzerinden tespiti

  1. Tez No: 791278
  2. Yazar: RAGHAD MULA ALYAS
  3. Danışmanlar: DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Rekolte bitkilerinin miktarı ve kalitesi böceklerden ve tarım bitkilerini tutan hastalıklardan anlamlı derecede etkilenebilir. Bitki hastalıkları ve bitkilerden beslenen böcekler dijital fotoğrafların analizleriyle bulunabilir. Yakın zamanlarda gerçekleşen temel bazı gelişmeler önceki yöntemlere kıyasla derin öğrenmeyi çok daha etkin kılmıştır. Dijital görüntü işleme alanındaki bu gelişmeler dikkate değer. Ciddi araştırmacılar hastalıkları ve zararlıları tespit etmek için derin öğrenme ve yapay zeka olarak makine öğrenmesini takip etmektedirler. Ancak, bu alanda önceki araştırmalar tatmin edici sonuçlar vermemiştir. Bu yüzden, bu araştırma projesinde beş farklı bitki hastalığının tanımlanmasında görüntü işleme, özellik ekstraksiyonu ve makine öğrenmesini kullanan yeni bir model önerilmektedir: Antraknoz, Bakteriyel, Turunçgiller Kanseri, Küllenme ve Kurşuni Küf Hastalığı. Bu çalışmada iki ayırıcı kullanılmıştır: kümeleme için K-ortalama ve sınıflandırma için multi-SVM. Bu ayırıcılar en iyi özellik modellerinin değerlendirilmesi için kullanıldı, sonra bu modelleri kullanılan eğitim öncesi sınıflandırma modellerinin ayrıntılı özellikleriyle karşılaştırdık. Üç adet ikili temelli yaklaşımın etkinlikleri arasında karşılaştırmalar yapıldı: hepsine karşı biri, birine karşı diğeri ve DAGSVM. Bizim araştırma bulgularımıza göre, 500 tekrarla elde edilen lineer çekirdeğin doğruluğu %98.38 olduğundan“birine karşı diğeri”ve DAG teknikleri diğer alternatiflere göre üstündür.

Özet (Çeviri)

The quantity and quality of the plants generated by the crop may be significantly impacted by insects and diseases that affect agricultural plants. Plant diseases and insects that feed on plants may be found via the analysis of digital photos. Recent fundamental developments have made deep learning far more effective than previous methods. These developments in digital image processing are noteworthy. Serious researchers are pursuing deep learning and machine learning as artificial intelligence to detect diseases and pests. However, previous research work in the field has not reached satisfactory results. Therefore, this research project suggested a new model using image processing, feature extraction, and machine learning to identify five distinct plant diseases: Anthracnose, Bacterial, Citrus canker, Powdery mildew, and Grey mold. This study uses two classifiers: K-mean for clustering and multi-SVM for classification. These classifiers were used to evaluate the best feature models, and then we compared those models to the detailed features of the used, pre-trained disease classification models. Comparisons were made between the efficacy of the three binary-based approaches: one against all, one against one, and DAGSVM. According to our research findings, the“one against the other”and DAG techniques are superior to the alternatives, where we were able to obtain an accuracy of the linear kernel with 500 iterations is 98.38%

Benzer Tezler

  1. Smart farming applications

    Akıllı tarım uygulamaları

    MELİS SİROPYAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Akıllı Sistemler Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGÜN PINARER

  2. Derin öznitelikler kullanılarak kiraz yapraklarında külleme hastalık seviyesinin sınıflandırılması

    Classification of level of powdery mildew disease on cherry leaves using deep attributes

    HATİCE KAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya Üniversitesi

    Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAVUZ ÜNAL

    DR. ÖĞR. ÜYESİ EMRAH DÖNMEZ

  3. Çeltik yanıklığı hastalığının görüntü işleme teknikleri kullanılarak tespit edilmesi

    Determination of rice leaf blight disease by using image processing techniques

    OĞUZHAN SOYDAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    ZiraatOndokuz Mayıs Üniversitesi

    Tarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPER TANER

  4. Phyton üzerinden derin öğrenme algoritmaları kullanılarak deri görüntüsünden cilt hastalıklarının tespit edilmesi

    Detection of skin diseases from skin image by using deep learning algorithms in python

    KAAN ONUR KOÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. KEMAL POLAT

  5. Image processing and machine learning techniques for Chagas disease identification and segmentation

    Görüntü işleme ve makine öğrenimi teknikleri, Chagas hastalığı tanı ve segmentasyonu için

    INASS MOHAMMED AZZAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. LAVDİE RADA ÜLGEN