Detection of plant diseases using image processing with machine learning
Bitki hastalıklarının makine öğrenmesi yoluyla görüntü işleme üzerinden tespiti
- Tez No: 791278
- Danışmanlar: DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bitki hastalıkları, Destek vektör makineleri, Ekstraksiyon, Görüntü işleme, Makine öğrenmesi, Plant diseases, Support vector machines, Image processing, Machine learning
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Yapay zeka ve görüntü işleme teknikleriyle otomatik zararlı hasarı tespiti ve derecelendirilmesi
Automatic detection and grading of pest damage using artificial intelligence and image processing techniques
HAVVA ESRA BAKBAK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDOĞAN SAVRAN
- Identification of plant diseases using convolutional neural network
Bitki hastalıklarının konvolüsyonel sinir ağları kullanılarak tanımlanması
OLCAY ÇOBAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıty Of LıverpoolBilgisayar Mühendisliği Ana Bilim Dalı
DR. VIKTOR ZAMARAEV
- Domateste yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması
Classification of common diseases in tomatoes using deep learning methods
ADNAN MOHAMMAD ANWER SHAKARJI
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADEM GÖLCÜK
- Smart farming applications
Akıllı tarım uygulamaları
MELİS SİROPYAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜN PINARER
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
DR. ÖĞR. ÜYESİ EMRAH DÖNMEZ