Plant diseases detection using dense net
Yoğun net kullanılarak bitki hastalıklarının tespiti
- Tez No: 845172
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ KARAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Bitki hastalıklarının (PD) kesin ve hızlı bir şekilde tanımlanması, mahsul verimliliğinin korunması ve küresel gıda güvenliğinin güçlendirilmesi açısından çok önemlidir. Derin öğrenme (DL) metodolojileri gelişmeye devam ettikçe, otomatik PD tahmin mekanizmalarının önemi önemli bir yükselişe tanık oldu. Bu çalışma böylesine gelişmiş bir sistemin formülasyonunu ele almaktadır. Burada CNN, DenseNet, ResNet, MobileNet ve VGG gibi çağdaş mimariler titizlikle uygulanıyor, değerlendiriliyor ve ardından birbirleriyle yan yana getiriliyor. Bunların arasında, %98'lik örnek bir ACC'ye sahip olan DenseNet öne çıkıyor ve böylece diğer son teknoloji ürünü modelleri geride bırakıyor. Ancak çalışmamız, salt ACC'nin ötesinde, modelin öngörülerinin yorumlanabilirliğini sağlayacak şekilde genişletilmektedir. Açıklanabilir Yapay Zeka (XAI) tekniklerini, özellikle de Grad-CAM yaklaşımını entegre ederek, modelin karar verme yollarını aydınlatmaya çalışıyoruz ve kullanıcılara teşhis sürecine şeffaf bir bakış açısı kazandırıyoruz. Bu sadece tahminlere olan güveni güçlendirmekle kalmıyor, aynı zamanda potansiyel gerçek dünya uygulamaları için değerli bilgiler de sağlıyor. Özünde bu araştırma, PD tespitinde otomasyonun önemli rolünün altını çiziyor ve daha fazla şeffaflık ve etkinlik için DL'nin XAI ile harmanlanmasının zorlayıcı potansiyelini ortaya koyuyor.
Özet (Çeviri)
The precise and prompt identification of plant diseases (PD) is paramount in safeguarding crop productivity and fortifying global food security. As deep learning (DL) methodologies continue to evolve, the prominence of automated PD prediction mechanisms has witnessed a significant upswing. This study delves into the formulation of such an advanced system. Here, contemporary architectures, such as CNNs, DenseNet, ResNet, MobileNet, and VGG, are meticulously implemented, evaluated, and then juxtaposed against one another. Amidst these, DenseNet stands out, registering an exemplary ACC of 98%, thereby outstripping other state-of-the-art models. However, beyond mere ACC, our study extends to ensure the interpretability of the model's predictions. By integrating Explainable Artificial Intelligence (XAI) techniques, specifically the Grad-CAM approach, we strive to illuminate the decision-making pathways of the model, granting users a transparent view into its diagnostic process. This not only fortifies trust in the predictions but also provides valuable insights for potential real-world applications. In essence, this research underscores the pivotal role of automation in PD detection and demonstrates the compelling potential of blending DL with XAI for enhanced transparency and efficacy.
Benzer Tezler
- Derin evrişimli yapay sinir ağı kullanarak meyve yaprağı hastalık tespiti
Fruit leaf disease detection using deep convolutional neural network.
SENA NUR BENLİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİM CEYHAN
- Pancar bitki hastalıklarının derin öğrenme ile sınıflandırılması
Classification of beet plant diseases using deep learning
BİLAL EYİSOY
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
- Transfer öğrenme tabanlı açıklanabilir derin öğrenme yöntemleri kullanılarak bitki hastalıklarının sınıflandırılması
Classification of plant diseases using transfer learning-based explainable deep learning methods
AHMET ENES KILIÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KARAKOYUN
- Derin öğrenme teknikleri kullanılarak bitki yaprağı görüntüleri üzerinden tür ve olası hastalık tespiti
Species and possible disease detection on plant leaf images using deep learning techniques
İREM NUR ECEMİŞ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN
- Detection and tracking of living trypanosoma cruzi parasite
Yaşayan trypanosoma cruzi parazitinin tespiti ve takibi
SENEM AKTAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LAVDİE RADA ÜLGEN