Evrişimsel sinir ağları kullanarak Aspergillus mantar türlerinin sınıflandırılması
Classification of Aspergillus fungi species using convolutional neural networks
- Tez No: 827931
- Danışmanlar: DR. ÖĞR. ÜYESİ UĞUR GÜREL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 59
Özet
Küf mantarları, dünya genelinde oldukça yaygın olarak bulunan mantar türlerindendir. Bu mantarlar genellikle toprakta, bitkilerde, çürümüş meyve, sebze ve gıdalarda bulunurlar. Küf mantarları, tarımsal bitkilerin zarar görmesine ve insan sağlığı açısından ciddi tehlikelere neden olurlar. Özellikle Aspergillus türleri, insan sağlığı açısından tehlikeli olan türler arasında yer almaktadır. Aspergillus mantarlarının doğada birçok farklı türü bulunmaktadır. Bu çalışma, bu türlerden Aspergillus Flavus ve Aspergillus Fumigatus mantarları üzerinde tür sınıflandırması yapılmıştır. Aspergillus türlerinin sınıflandırılması için yaygın olarak kullanılan Derin Öğrenme algoritmalarından biri olan Evrişimsel Sinir Ağları (CNN) modeli kullanılmıştır. Literatürde, evrişimsel sinir ağları ile görüntü tanıma ve sınıflandırma konularında başarılı sonuçlara sahip birçok çalışma bulunmaktadır. Evrişimsel sinir ağları, farklı tür bitkiler, bakteriler, canlılar ve eşyaların tanımlanmasında ve sınıflandırılmasında yaygın olarak kullanılmaktadır. Bu çalışmada, toplamda 1050 görüntü içeren bir veri seti kullanılmıştır. Veri seti, Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Öğretim Üyesi Prof.Dr.Yasemin Öz tarafından hazırlanmıştır. Evrişimsel sinir ağı modeli oluşturulmuş ve bu model üzerinde çeşitli deneyler gerçekleştirilmiştir. Deneyler, hem renkli hem de gri tonlamalı görüntüler üzerinden gerçekleştirilmiştir. Gri tonlamalı görüntüler üzerinde yapılan deneylerin sonucunda, eğitim doğruluğu 0.9777 ve test doğruluğu 0.9095 olarak elde edilmiştir. Daha sonra beş kat çapraz doğrulama yöntemi uygulanarak elde edilen sonuçlar karşılaştırılmıştır.
Özet (Çeviri)
Mold fungi are among the most common types of fungi found worldwide. These fungi are commonly found in soil, plants, rotten fruit, vegetables and foods. Mold fungi cause damage to agricultural plants and serious dangers in terms of human health. Especially Aspergillus species are among the species that are dangerous for human health. There are many different types of Aspergillus fungi in nature. In this study, species classification was made on Aspergillus Flavus and Aspergillus Fumigatus fungi. The Convolutional Neural Networks (CNN) model, which is one of the widely used Deep Learning algorithms was used for the classification of Aspergillus species. In the literature, there are many studies with successful result in image recognition and classification with convolutional neural networks. Convolutional neural netvorks are widely used in the identification and classification of different kinds of plants, bacteria, living things and objects. In this study, a data set containing a total of 1050 images was used. The dataset was prepared by Prof. Dr. Yasemin Öz, a faculty member of Eskişehir Osmangazi University, Faculty of Medicine. A convolutional neural network model was created and various experiments were carried out on this model. Experiments were performed on both color and grayscale images. As a result of experiments on grayscale images, the training accuracy was 0.9777 and the test accuracy was 0.9095. Then the result obtained by applying the five fold cross-validation method were compared.
Benzer Tezler
- Vascular segmentation of brain MR angiography images using convolutional neural networks
Evrişimsel sinir ağları kullanarak beyin MR anjiyografi görüntülerinin vasküler segmentasyonu
YUSUF HÜSEYİN ŞAHİN
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. GÖZDE ÜNAL
- Evrişimsel sinir ağları kullanarak drone tarafından elde edilen görüntülerde nesne tanıma
Convolutional neural network based object recognition in the images obtained by a drone
AHMED MOHAMMED AHMED BAYATI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSİN KAYA
- Evrişimsel sinir ağları kullanarak parmak ucu görüntülerinden cinsiyet tahminlemesi
Gender prediction from fingertip images using convolutional neural networks
KEREM SIRMA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PAKİZE ERDOĞMUŞ
- Evrişimsel sinir ağları kullanarak diyabetik retinopati hastalığının tespiti
Detection of diabetic retinopathy disease using convolutional neural network
KEMAL AĞCA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİDAYET TAKCI
- Evrişimsel sinir ağları kullanarak cilt kanseri risk değerlendirmesi
Skin cancer risk assessment using convolutional neural network
SARMAD MOHSEN ALI HURMUZI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ