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: Belirtilmemiş.
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
- Diyarbakır ve ilçelerinde pamuk kök ve kökboğazı fungal hastalık etmenlerinin morfolojik ve moleküler yöntemlerle tespiti ve bazı mikro besin elementlerinin hastalık gelişimine etkisinin belirlenmesi
Detection of cotton root and collar fungal disease agents in Diyarbakır and i̇ts di̇stricts by morphological and molecular methods and determination of the effect of some mi̇cronutrients on disease development
ADALET KARADAŞLI
- Smart detection and diagnosis of plant disease using deep and machine learning methods
Derin ve makine öğrenmeyi kullanarak bitki hastalığının akıllı tespiti ve teşhisi
MUHAMMAD UMAR MURAD
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Aydın ÜniversitesiYapay Zeka Ana Bilim Dalı
Prof. Dr. ALİ OKATAN
- 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
- 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
- Üzüm yaprağında görülen hastalıkların derin öğrenme ile tespiti ve sınıflandırılması
Detection and classification of grape leaf diseases using deep learning
UMUT FIRAT
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzincan Binali Yıldırım ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DOÇ. DR. İSMAİL AKGÜL