Geri Dön

Derin öznitelikler kullanılarak kiraz yapraklarında külleme hastalık seviyesinin sınıflandırılması

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

PDF İndir

  1. Tez No: 821459
  2. Yazar: HATİCE KAYHAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ ÜNAL, DR. ÖĞR. ÜYESİ EMRAH DÖNMEZ
  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: 2022
  8. Dil: Türkçe
  9. Üniversite: Amasya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Kiraz meyvesi, Prunus avium familyasına ait etli ve sert çekirdekli bir meyve çeşididir. Tüm dünyada tüketilen ve ticari değeri yüksek olan kiraz meyvesinin, ülkemizde de önemli ölçüde üretimi ve ihracatı yapılmaktadır. Kiraz bitkisi, yetiştirilmesi zor olan meyve türlerinden biridir. Yaygın olarak yetiştirilen bu bitki türünün büyütülmesi ve yaşatılması sürecinde çeşitli pestisit hastalıklarla karşılaşılmaktadır. Bu hastalıkların tespitinde uzman görüşlerinden ve çitçi deneyimlerinden yararlanılsa da bitkilerin sağlıklı bir şekilde yetiştirilmesinde yeterli olmamaktadır. Bu nedenle, günümüzde bitkilerin ekiminden hasatına kadar ki tüm süreçlerin izlenmesinde bilgisayar teknolojisinden faydalanılmaktadır. Tarımda kullanılan görüntü işleme ve makine öğrenmesine dayalı yapay zekâ uygulamaları daha güvenli, daha hızlı ve daha uygun maliyetli operasyonlara olanak sağlamaktadır. Bilgisayar destekli tarım analiz sistemleri bitki hastalıklarının tespit edilmesi, tanımlanması ve izlenmesinde yaygın olarak kullanılmaktadır. Geliştirilen bu sistemler tarımsal verimliliği arttırmak ve sağlıklı mahsuller yetiştirmek noktasında yenilikçi çözümler sunmaktadır. Özellikle bitki hastalıkların tespit edilmesi ve izlenmesi süresinde doğru kararlar alınmasına yardımcı olmaktadır. Bu araştırmada kiraz bitkisinin yapraklarında görülen bakteriye dayalı hastalıkların tespit edilmesi amaçlanmıştır. Bu hastalıkların tespitinde ön-eğitimli konvolüsyonel sinir ağları kullanılarak (Convolutional Neural Network- CNN) hastalığa ait öznitelikler belirlenmiştir. Elde edilen bu öznitelikler ise CNN ağının son katmanında yer alan varsayılan sınıflandırıcı yerine LDA (Linear Discriminant Analysis), KNN (K-Nearest Neighbor), SVM (Support Vector Machine) sınıflandırıcılarının aracılığıyla; sağlıklı, az veya çok hastalıklı bitki tespitini yapmak amacıyla kullanılmıştır. Genel deney sonuçlarına göre çok sınıflı bu problemde en iyi başarım %88.1 ile Doğrusal SVM (Linear SVM) sınıflandırıcısı ile el edilmiştir

Özet (Çeviri)

Cherry fruit is a fleshy and stone fruit variety belonging to the Prunus avium family. Cherry fruit, which is consumed all over the world and has a high commercial value, is also produced and exported in our country. The cherry plant is one of the fruit types that is difficult to grow. Various pesticide diseases are encountered in the process of growing and maintaining this widely grown plant species. Although expert opinions and farmers' experience are used in the detection of these diseases, it is not enough for the healthy growth of plants. For this reason, computer technology is used to monitor all processes from planting to harvesting. Artificial intelligence applications based on image processing and machine learning used in agriculture enable safer, faster, and more cost-effective operations. Computer-aided agricultural analysis systems are widely used in the detection, identification, and monitoring of plant diseases. These developed systems offer innovative solutions to increase agricultural productivity and grow healthy crops. It helps to make the right decisions, especially during the detection and monitoring of plant diseases. In the study, it was aimed to determine the bacterial diseases seen on the leaves of the cherry plant. In the detection of these diseases, the features of the disease were determined by using pre-trained convolutional neural networks (Convolutional Neural Network - CNN). These obtained features were used to detect healthy, more or less diseased plants through LDA (Linear Discriminant Analysis), KNN (K-Nearest Neighbor), SVM (Support Vector Machine) classifiers instead of the default classifier in the last layer of the CNN network. According to the general test results, the best performance in this multi-class problem has been achieved with the Linear SVM classifier with 88.1%.

Benzer Tezler

  1. Tez No

    445038

    Sleep stage classification using disagreement based co-active learning

    Anlaşmazlık tabanlı öğrenme ile uyku evrelerinin sınıflandırılması

    AYŞE BETÜL YÜCE

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF YASLAN

  2. Tez No

    761413

    Öksürük akustik sinyallerinde geleneksel ve derin öznitelikler yardımıyla COVID-19 tespiti

    COVID-19 detection with traditional and deep features on cough acoustic signals

    YUNUS EMRE ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ NARİN

  3. Tez No

    889287

    Derin öğrenme yöntemleri kullanılarak tornalamada takım seslerinden takım aşınmasının tahmini

    Prediction of tool wear from tool noises in turning using deep learning methods

    RAMAZAN İLENÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Makine MühendisliğiBatman Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAVAŞ KOÇ

  4. Tez No

    499549

    Enhancing deep extreme learning machines: Novel multi-kernel autoencoders and implementation for detecting the chronic obstructive pulmonary disease

    Derin aşırı öğrenme makinelerinin geliştirilmesi: Yeni çok çekirdekli autoencoderlar ve kronik obstruktif akciğer hastalığının belirlenmesinde uygulanması

    GÖKHAN ALTAN

    Doktora

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMustafa Kemal Üniversitesi

    Enformatik Ana Bilim Dalı

    YRD. DOÇ. DR. YAKUP KUTLU

  5. Tez No

    856222

    Transfer öğrenme modellerinin basamaklandırılmış derin özelliklerini ve topluluk sınıflandırıcıları kullanarak lastik çatlaklarının tespit edilmesi

    Detecting tire cracks using cascading deep features of transfer learning models and ensemble classifiers

    ÖZCAN ASKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. RAMAZAN TEKİN

Geri Dön