Bilgisayar destekli derin öğrenme yöntemleri ile bitki sağlığının tespit ve izlenmesi
Detecting and monitoring plant health with computer-aided deep learning methods
- Tez No: 856994
- Danışmanlar: DR. ÖĞR. ÜYESİ VOLKAN YAMAÇLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Tarım, dünya nüfusunu beslemenin temel taşıdır ve bitki hastalıklarının erken teşhisi, bu sektörün sürdürülebilirliği açısından kritik bir öneme sahiptir. Bitki sağlığının izlenmesi, modern tarımın etkin bir şekilde yönetilmesi için temel bir gereksinimdir. Bu çalışma, bilgisayar destekli derin öğrenme yöntemlerinin kullanılmasıyla bitki sağlığının tespit edilmesi ve izlenmesine odaklanmaktadır. Özellikle, MobileNetV2, ResNet-50 ve Xception gibi önde gelen Evrişimli Sinir Ağı (ESA) modellerinin uygulanmasıyla bitki yapraklarının görüntülerinin analiz edilip sağlıklı veya hasta olduğunun tespiti üzerinde durulmaktadır. Bu çalışma, bitki yapraklarının görüntülerinin toplanmasını, sınıflandırılmasını ve işlenmesini temel alır, bu adımlar bitki sağlığı izleme sürecinin başlangıcını oluşturur ve doğru sonuçlar elde etmek için kritik öneme sahiptir. Çalışmada, MobileNetV2, ResNet-50 ve Xception gibi önde gelen derin öğrenme modelleri kullanılarak bitki yapraklarının görüntülerinin analizi yapılır ve bitki sağlığı hakkında bilgi çıkarılır. Bu modeller, görüntü sınıflandırma ve hastalıkların tanımlanması süreçlerinde kilit bir rol oynar. Ayrıca, bitki yapraklarının görüntülerine uygulanan çeşitli filtreler sayesinde parlaklık, bulanıklık gibi özellikler düzeltilir ve bu ön işleme adımı tespit doğruluğunu artırmayı amaçlar. Çalışmanın sonuçları, kullanılan derin öğrenme modellerinin bitki yapraklarının sağlık durumunu tespit etme yeteneklerini ortaya koyar ve bu alandaki gelecekteki çalışmalara önemli bulgular sunar. Bu çalışma, bitki hastalıklarının daha erken teşhis edilmesini sağlayarak tarım verimliliğine olumlu bir etki yaratma potansiyelini göstermektedir ve bu hedefe ulaşmaya yönelik önemli bir adımı temsil eder.
Özet (Çeviri)
Agriculture is the cornerstone of feeding the world's population, and early diagnosis of plant diseases is critical for the sustainability of this sector. Monitoring plant health is a fundamental requirement for effectively managing modern agriculture. This study focuses on monitoring plant health using computer-aided deep learning methods. In particular, it emphasizes the analysis of plant leaf images and the identification of their health status, whether healthy or diseased, through the application of leading Convolutional Neural Network (CNN) models such as MobileNetV2, ResNet-50, and Xception. This study is based on the collection, classification, and processing of plant leaf images, steps which form the beginning of the plant health monitoring process and are critically important for obtaining accurate results. The study uses leading deep learning models such as MobileNetV2, ResNet50, and Xception to analyze the images of plant leaves and extract information about plant health. These models play a key role in image classification and disease identification processes. Additionally, various filters are applied to the images of plant leaves to correct features such as brightness and blurriness, and this preprocessing step aims to increase detection accuracy. The results of the study demonstrate the capability of the used deep learning models to detect the health status of plant leaves, providing significant findings for future research in this field. This study shows the potential of early diagnosis of plant diseases, which can positively impact agricultural productivity, representing an important step towards achieving this goal.
Benzer Tezler
- Derin öğrenme yöntemleri ile bitki sınıflandırma
Plant classification with deep learning methods
BURAK DUMAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. RECEP ERYİĞİT
- Next-generation MIMO systems: From index modulation to deep learning
Yeni nesil çok-girişli çok-çıkışlı sistemler: İndis modülasyonundan derin öğrenmeye
BURAK ÖZPOYRAZ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL BAŞAR
- Alzheimer ve göğüs kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Classification of alzheimer's and breast cancer images with deep learning methods
YEŞİM TİRAKİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN TEMURTAŞ
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- Derin öğrenme yöntemleri ile beyin MRI görüntülerinde anomali tespiti
Anomaly detection in brain MRI images with deep learning methods
EBRU AYDOĞAN DUMAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU
DR. ÖĞR. ÜYESİ EMRAH ÇELTİKÇİ
- İskemik inmenin medikal taramalar üzerinde derin öğrenme yöntemleri ile tespiti
Detection of ischemic stroke on medical scans using deep learning methods
MERVE BALABAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL