Geri Dön

Comparison of artificial intelligence techniques for the detection of pest diseases in agriculture

Yapay zeka tekniklerinin karşılaştırılması tarımda zararlı hastalıkların tespitinde

  1. Tez No: 866806
  2. Yazar: SAFA MOHAMED HASSAN ABUDABBOUS
  3. Danışmanlar: DR. ALİ METİN BALCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 70

Özet

Domates, büyük miktarlarda üretilen ve ticari değeri yüksek olan önemli ürünlerden biridir. Domates mahsulünü endişe verici oranda etkileyebilecek birçok hastalık vardır. Bu bağlamda bu tür hastalıkların erken tespiti ve doğru tanısı oldukça etkilidir. Son yıllarda, derin öğrenme birçok uygulamada, özellikle de bitki hastalıkları sınıflandırmasında evrişimli sinir ağlarında (CNN'ler) benzeri görülmemiş sonuçlar elde etti. Bu çalışma üç Evrişimli Sinir Ağı (CNN) mimarisi arasındaki karşılaştırmaya odaklanmaktadır: AlexNet, VGG16 ve Inception V3. Önerilen çalışma, derin öğrenme yaklaşımını kullanarak domates yapraklarındaki hastalıkları tespit eden en iyi algoritmayı bulmayı amaçlamaktadır. Deneyler için kullanılan veri seti, 32.545 yaprak görüntüsünü içeren PlantVillage veri setinden on farklı domates hastalığı sınıfını ve sağlıklı bir sınıfı içermektedir. Modeller doğruluk, kesinlik ve hatırlamaya dayalı çok sınıflı bir istatistiksel analiz yoluyla değerlendirildi. Sonuçlar, VGG16 ve Inception V3 mimarilerinin eğitim verileri için %99,55'lik bir değerle eşit doğruluk elde ettiğini ve AlexNet mimarisinin %97,76 doğruluğa sahip olduğunu ancak VGG16'nın üstün olması nedeniyle test verilerinin doğruluğunda bir fark olduğunu göstermektedir. doğruluğu %90, Inception V3'ün doğruluğu %89, AlexNet'in doğruluğu ise %75'tir.

Özet (Çeviri)

Tomato is one of the important crops that are produced in large quantities and have a high commercial value. There are many diseases that may affect the tomato crop at an alarming rate. In this context, early detection and accurate diagnosis of such diseases are highly effective. In recent years, deep learning has had unprecedented results in many applications, specifically convolutional neural networks (CNNs), in plant disease classification. This work focuses on a comparison between three Convolutional Neural Network (CNN) architectures: AlexNet, VGG16, and Inception V3. The proposed work aims to find the best algorithm that detects the disease of tomato leaves using a deep learning approach. The dataset used for the experiments contains ten different classes of tomato diseases and a healthy class from the PlantVillage dataset, which includes 32,545 leaf images. The models were evaluated through a multiclass statistical analysis based on accuracy, precision, and recall. The results show that the VGG16 and Inception V3 architectures obtain equal accuracy for the training data with a value of 99.55%, and AlexNet architecture had accuracy 97.76% , but there is a difference in the accuracy of the test data, as VGG16 excels with an accuracy of 90%, and Inception V3 has an accuracy of 89%, while AlexNet has an accuracy of 75%.

Benzer Tezler

  1. Alzheimer hastalığının farklı düzeylerinin sınıflandırılmasında yapay zeka ve logit regresyon modellerinin karşılaştırılması

    Comparison of artificial intelligence and logit regression models in the classification of different levels of alzheimer's disease

    NURGÜL BULUT

    Doktora

    Türkçe

    Türkçe

    2023

    BiyoistatistikEskişehir Osmangazi Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. KEVSER SETENAY ÖNER

  2. Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques

    Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması

    RAGHAD MOHAMMED KHORSHEED

    Doktora

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  3. Çilek meyvesi gelişiminin derin öğrenme metotlarıyla karşılaştırmalı incelenmesi

    Comparison of development strawberry fruit with deep learning methods

    LEVENT DALGIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl Üniversitesi

    Yapay Zeka ve Robotik Ana Bilim Dalı

    DOÇ. DR. MURAT CANAYAZ

  4. Managing the human factors in information security through computational intelligence methods

    Bilgi güvenliğinde insan faktörlerini sayısal zeka yöntemleriyle yönetme

    MURAT OĞUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMelikşah Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İHSAN ÖMÜR BUCAK

  5. Covid-19 hastalığının sınıflandırılmasında derin öğrenme modellerinin performanslarının karşılaştırılması

    Comparison of the performances of deep learning models in classification of Covid-19 disease

    PERVİN SÜRGÜÇOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiKastamonu Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KEMAL AKYOL