Detection the sickness of the tea plant leaf by using neural networks
Çay bitkisindeki hastalıkların sinir ağları kullanılarak tespiti
- Tez No: 878503
- Danışmanlar: DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 122
Özet
Bu tez, optimizasyon algoritmalarını son teknoloji bilgisayar yöntemleriyle, özellikle sinir ağlarıyla birleştirerek çay bitkilerindeki yaprak hastalıklarının otomatik tespitini araştırıyor. Maksimum verimi garanti ederek mahsul sağlığını korumak için tarıma olan ihtiyaç artıyor; bitki hastalıklarını hızlı ve doğru bir şekilde teşhis etmek kritik önem taşıyor. Ana mimari olarak Evrişimsel Sinir Ağları (CNN'ler) görev yapan bu tezin amacı, çay bitkilerine zarar veren çeşitli hastalıkları tanımlayabilen güvenilir ve etkili bir teknik oluşturmaktır. Metodoloji, sağlıklı ve sağlıksız örneklerden oluşan çay bitkisi yapraklarının farklı veri setinden elde edilmesini gerektirir. Veri kümesinin ön işlenmesi, model performansını artırmak için hastalık şiddeti, aydınlatma ve görüntü çözünürlüğü gibi değişkenleri hesaba katar. Bu çalışmada, iyi seçilmiş bu veri kümesini kullanarak sinir ağını eğitmek için mayıs sineği ve pelikan optimizasyon algoritmaları (MA) gibi en yeni optimizasyon teknikleri kullanılmıştır. Yöntemin hastalık tespitindeki performansı; doğruluk, MSE, F-puanı ve hatırlama ve hassasiyet gibi ölçümler kullanılarak tahmin ediliyor. Önerilen CNN-POAMA modeli sırasıyla %94,5, 0,035, 0,91, 0,93 ve 0,92 değerlerine ulaştı. Bu çalışmanın bulguları, tarım sektörünün yanı sıra çay bitkilerinin hastalıkları yönetme biçimini tamamen değiştirmeyi mümkün kılan otomatik teknolojilerin büyümesi açısından da önemli sonuçlar doğurmaktadır. Modelin ölçeklenebilirliği ve gerçek dünyadaki uygulama potansiyeli, sinir ağlarının ve optimizasyon algoritmalarının zorlu tarımsal sorunları çözmek için birlikte ne kadar iyi çalıştığını gösteriyor.
Özet (Çeviri)
This thesis investigates the automated detection of leaf illnesses in tea plants by combining optimization algorithms with cutting-edge computer methods, particularly neural networks. The need for agriculture is growing to maintain crop health with guarantee maximum yields, it is critical to promptly and accurately diagnose plant diseases. With Convolutional Neural Networks (CNNs) serving as the main architecture, the aim of this thesis is to build a reliable and effective technique that can identify several diseases that harm tea plants. The methodology entails the procurement from differing dataset of tea plant leaves, comprising the healthy and unhealthy specimens. Preprocessing the dataset takes into account variables including disease severity, illumination, and image resolution in order to improve model performance. The most recent optimization techniques, such as the mayfly and pelican optimization algorithms (MA), are used in this study to train the neural network using this well selected dataset. The method's performance in disease detection is estimated using metrics like accuracy, MSE, F-score and recall, and sensitivity. The CNN-POAMA model, which was proposed, attained values of 94.5%, 0.035, 0.91, 0.93, and 0.92, respectively. The findings of this study have important ramifications for the farming sector as well as for the growth of automated technologies that have the possible to totally convert the way tea plants manage illness. The model's scalability and potential for real-world application demonstrate how well neural networks and optimization algorithms work together to solve challenging agricultural problems.
Benzer Tezler
- Multiple sclerosis (MS) hastalığının erken teşhisi için manyetik rezonans (MR) görüntülerinin otomatik segmentasyonu
Automatic segmentaion of multiple sclerosis disiese (MS) from magnetic rezonans images (MRI) for early detection
CAN KİRAZ
Yüksek Lisans
Türkçe
2015
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Eeg-based assessment of cybersickness in a vr environment and adjusting stereoscopic parameters according to level of sickness to present a comfortable vision
Sanal gerçeklik rahatsızlıklarının eeg sinyalleri kullanılarak belirlenmesi ve rahatsızlık seviyesine göre konforlu bir seyir için iyileştirmelerin yapılması
UFUK UYAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UFUK ÇELİKCAN
- Detection of antibiotic resistance in bacteria via machine learning approaches
Yapay öğrenme yaklaşımlarıyla bakterilerde antibiyotik direnç tespiti
HAMDİ ERKUT
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
DOÇ. DR. ELİF ÖZKIRIMLI ÖLMEZ
- Akut pulmoner embolizmde sağ ventrikül disfonksiyonunun ekokardiografi ve çkbt bulguları ile birlikte değerlendirilmesi
Evaluation of right ventricular dysfunction in acute pulmonary thromboembolism with echocardiography and multislice ct findings.
SENEM BİLEK
Tıpta Uzmanlık
Türkçe
2011
Radyoloji ve Nükleer TıpDicle ÜniversitesiRadyodiagnostik Ana Bilim Dalı
YRD. DOÇ. DR. CİHAN AKGÜL ÖZMEN
- Antibiyotik tayinine yönelik biyosensör geliştirilmesi
Development of biosensor for the detection of antibiotic
NAZİFE NUR KARAÇAĞLAR
Doktora
Türkçe
2017
Gıda MühendisliğiHacettepe ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ TOPCU