Geri Dön

Sığır hastalıklarının görüntü işleme yöntemleri ile tespit edilmesi

Detection of cattle diseases with image processing methods

  1. Tez No: 815088
  2. Yazar: ALİ TEZCAN SARIZEYBEK
  3. Danışmanlar: PROF. DR. ALİ HAKAN IŞIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Günümüzde, veteriner alanındaki araştırmalarda görüntü işleme yöntemlerine duyulan ihtiyaç her geçen gün artmaktadır. Bu ihtiyaç, özellikle sığır hastalıklarının erken teşhisinde görüntü işleme yöntemlerine duyulan gereksinimle daha da önem kazanmaktadır. Hayvan sahibinin sığırın hastalanması durumunda veteriner hekime danışması özellikle ulaşım açısından zaman alabilmekte, hastalık, veteriner hekim tarafından teşhis yapılana kadar ilerleyebilmektedir. Bu nedenle görüntü işleme yöntemleri ile özellikle sığır türlerinin hastalıklarının erken teşhisinde öneri getirecek yazılım geliştirilmesi gerekmektedir. Bu tez çalışmasında, çeşitli sığır hastalıklarının yapay zekâ yöntemlerinden biri olan görüntü sınıflandırma yardımıyla tespit edilmesi gerçekleştirilmiştir. Bu çalışmada, Yapay zekâ modeli oluşturmadan önce görüntüler toplanıp, hastalıklar analiz edilip, veri üzerinde sınıflandırılması yapılmış ve veri kümesi oluşturulmuştur. Model performansının artması ve veri kümesindeki dengesizliğin giderilmesi için veri kümesindeki görüntüler ve işaretlenen görüntü verileri üzerinde histogram eşitleme, veri artırma ve SMOTE yöntemleri ile ön işleme işlemleri gerçekleştirilmiştir. Veri kümesi hazırlandıktan sonra sınıflandırma modeli eğitimi gerçekleştirilmiş ve performans analizleri yapılmıştır. Performans analizleri sonucunda, probleme en uygun modelin %99.94 doğruluk, %99.94 hassasiyet, %99.94 duyarlılık ve %99.99 AUC skoru ve 0.007 kayıp ile en yüksek performans veren MobileNet-V3 ile eğitilen model olduğuna karar verilmiş ve elde edilen ağırlık dosyası, hazırlanan web servise entegre edilmiştir. Daha sonra, Flutter ile mobil uygulama hazırlanmış ve hastalık tespitinin web servis üzerinden gerçekleştirilip mobil uygulamaya iletilmesi sağlanmıştır. Bu çalışmada hazırlanan mobil uygulama, sığır hastalıklarının ön teşhisinin yapılması kapsamında güncel yapay zekâ yöntemlerinin eğitilmesinden sonra elde edilen yüksek sınıflandırma performansı ile etkin kullanımını göstererek veteriner hekimlere ve sığır yetiştiricilerine yeni bir bakış açısı ve hastalık teşhisinde kolaylıklar sunmaktadır.

Özet (Çeviri)

Today, the need for image processing methods in veterinary research is increasing day by day. This need becomes even more important with the need for image processing methods, especially in the early diagnosis of cattle diseases. It may take time for the owner of the animal to consult a veterinarian, especially in terms of transportation, in case the cattle get sick, and the disease may progress until the diagnosis is made by the veterinarian. For this reason, it is necessary to develop software that will provide suggestions for the early diagnosis of diseases of cattle species, especially with image processing methods. In this thesis, the detection of various cattle diseases with the help of image classification, which is one of the artificial intelligence methods, was carried out. In this study, before creating the artificial intelligence model, images were collected, diseases were analyzed, classified on the data and a data set was created. In order to increase the model performance and eliminate the imbalance in the dataset, preprocessing processes were performed on the images in the dataset and the marked image data with histogram equalization, data augmentation and SMOTE methods. After the dataset was prepared, classification model training was carried out and performance analyzes were made. As a result of the performance analysis, it was decided that the most suitable model for the problem was the model trained with MobileNet-V3, which gave the highest performance with 99.94% accuracy, 99.94% sensitivity, 99.94% sensitivity and 99.99% AUC score and 0.007 loss, and the resulting weight file was sent to the prepared web service. has been integrated. Later, a mobile application was prepared with Flutter, and disease detection was carried out via the web service and transmitted to the mobile application. The mobile application prepared in this study offers veterinarians and cattle breeders a new perspective and convenience in disease diagnosis by showing the effective use with high classification performance obtained after training current artificial intelligence methods within the scope of preliminary diagnosis of cattle diseases.

Benzer Tezler

  1. 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

  2. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VOLKAN YAMAÇLI

  3. Bitki yapraklarındaki hastalıkların derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması

    Detection and classification of diseases in plant leaves using deep learning methods

    NADİDE YÜCEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal Üniversitesi

    Enformatik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED YILDIRIM

  4. A deep learning approach for the prediction of diseases in cotton cultivation

    Pamuk yetiştiriciliğindeki hastalıkların derin öğrenme yaklaşımı ile tahmin edilmesi

    BURAK KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. EFENDİ NASİBOĞLU

  5. Makine öğrenmesi ve görüntü işleme yöntemlerini kullanarak et sığırlarında canlı ağırlık tahmini

    Live weight estimation in beef cattle using image processing and machine learning methods

    AHMET ERHAN KARAHAN

    Doktora

    Türkçe

    Türkçe

    2020

    ZiraatEge Üniversitesi

    Zootekni Ana Bilim Dalı

    PROF. DR. HÜLYA ATIL