A new approach for classifying maize crop diseases using IoT-based deep learning convolutional networks
IoT tabanlı derin öğrenme evrimisel ağları kullanarak mısır ürün hastalıklarının sınıflandırılmasına yönelik yeni bir yaklaşım
- Tez No: 868837
- Danışmanlar: Assoc. Prof. Dr. NIMA JAFARI NAVIMIPOUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Mahsul zararlıları ve hastalıkları, mahsul veriminin azalması ve üretkenliğin azalmasıyla ilişkilendirilmiştir. Sürdürülebilir tarım uygulamalarına geçme çabalarını ciddi şekilde engelledi. Mahsullerdeki zararlıları ve hastalıkları tespit etmek, derin öğrenme evrişimli sinir ağlarından (DLCN) ve IoT gömülü sistemlerden yararlanılarak gerçekleştirilebilir. Bu çalışmada, modeli barındırmak için kullanılan gömülü bir cihaz daha sonra TinyML kısıtlamalarına göre çalışacak şekilde tasarlanmıştır. Tasarım sürecinde TinyML ile birlikte 4 katmanlı IoT çerçevesi kullanıldı. Öncelikle her katmandaki hem donanım hem de yazılım gereksinimlerine ilişkin özellikler tanımlandı. Daha sonra gereksinimleri en iyi karşılayan bileşenler seçildi. Daha sonra IoT TinyML gömülü sistemiyle kullanılmak üzere bir DLCN modeli oluşturulur. MobileNet-V3 mimarisinden yararlanan bir transfer öğrenme yaklaşımı kullanıldı. Model, 3 sınıfta en az 18.000 görüntüden oluşan bir veri seti ile eğitildi: sağlıklı mısır mahsulü, Mısır Çizgi Virüsünden (MSV) etkilenen mahsul ve Sonbahar Ordu Solucanından (FAW) etkilenen mahsul. Modeli kategorik bir çapraz entropi kaybı fonksiyonu ve Uyarlanabilir Moment Tahmini (ADAM) optimize edici kullanarak eğitmek için elli dönem kullanıldı. Model, eğitim ve doğrulama bölümlerinde sırasıyla %85 ve %88 doğruluk elde etti. Daha sonra model test bölümünde test edildi ve %88'den az olmayan bir doğruluk elde edildi. Hassasiyet, geri çağırma ve F1 puanı gibi diğer ölçümler, elde edilen doğruluğu yansıtıyordu. Son olarak gömülü cihazın çalışması kavramsal bir model olarak tartışılmıştır.
Özet (Çeviri)
Crop pests and diseases have been associated with reduced crop yield and lower productivity. It has severely hindered efforts to move to sustainable farming practices. Detecting pests and diseases in crops can be achieved by leveraging deep learning convolutional neural networks (DLCN) and IoT embedded systems. In this study, an embedded device used for hosting the model was then designed to operate based on the constraints of TinyML. A 4-layer IoT framework was used in conjunction with TinyML in the design process. First, the specifications for both hardware and software requirements in each layer were defined. Then, the components that best satisfied the requirements were selected. A DLCN model is then built for use with an IoT TinyML embedded system. A transfer learning approach was used, capitalizing on the MobileNet-V3 architecture. The model was trained a dataset of not less than 18,000 images across 3 classes: healthy maize crop, Maize Streak Virus (MSV) affected crop, and Fall Army Worm (FAW) affected crop. Fifty epochs were used to train the model using a categorical cross entropy loss function and Adaptive Moment Estimation (ADAM) optimizer. The model achieved an accuracy of 85% and 88% on the training and validation splits respectively. Then, the model was tested on the test split, achieving an accuracy of not less than 88%. Other metrics such as precision, recall and F1-score reflected the accuracy achieved. Finally, the operation of the embedded device was discussed as a conceptual model.
Benzer Tezler
- Fonksiyonel MR görüntülerini filtrelemede yeni bir yaklaşım ve depresyon hastalarının sınıflandırılması üzerine etkileri
A new approach for denoising functional MR images and its effects on the classification of depression patients
GÜZİN ÖZMEN
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERAL ÖZŞEN
- Evaluation of popular features and entropy as a new feature for hand gesture classification by electromyography signals
Elektromiyografi sinyalleri ile el jest sınıflandırılmasında populer özniteliklerin ve yeni bir öz nitelik olarak entropinin değerlendirilmesi
AYBER ERAY ALGÜNER
Yüksek Lisans
İngilizce
2022
Mekatronik MühendisliğiÇankaya ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ERGEZER
- Innovative computational techniques for accurate internal defect detection in trees: A stress wave tomography approach enhanced by machine learning
Ağaçlarda iç kusurların doğru tespiti için yenilikçi hesaplamalı teknikler: Makine öğrenimi ile geliştirilmiş bir stres dalgası tomografi yaklaşımı
ECEM NUR YILDIZCAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
- Çok kriterli ABC stok sınıflandırma problemi için yeni bir yaklaşım
A new algorithm for multi-criteria ABC inventory classification problem
BAHAR AKYOL
Yüksek Lisans
Türkçe
2011
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BANU SOYLU
- Uluslararası halkla ilişkiler temelinde Türkiye'nin yeni kamu diplomasisi yaklaşımı: Göç diplomasisine dair bir model önerisi
Turkey's new public diplomacy approach based on international public relations: A model proposal on migration diplomacy
AZİZ ARSLAN
Doktora
Türkçe
2025
Halkla İlişkilerMarmara ÜniversitesiHalkla İlişkiler Ana Bilim Dalı
PROF. DR. EBRU ÖZGEN