Bitki görüntülerindeki zararlı böceklerin derin öğrenme ile tanınması
Deep learning-based recognition of insect pests in plant images
- Tez No: 878723
- Danışmanlar: DR. ÖĞR. ÜYESİ SELCAN KAPLAN BERKAYA
- 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: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 54
Özet
Bitki zararlılarının erken dönemde, etkili bir şekilde tespit edilip kontrol altına alınmalarını sağlamak bitkilerin korunmasına, ürün veriminin artırılmasına ve tarım ekonomisindeki kayıpların azaltılmasına yardımcı olmaktadır. Bu tez çalışmasında, tarımsal üretime önemli bir tehdit oluşturan bitki zararlılarının tanımlanmasına yönelik derin öğrenme yaklaşımları önerilmektedir. Önerilen ilk yöntemde sınıflandırma, önceden eğitilmiş farklı derin sinir ağları (DNN) kullanılarak transfer öğrenme yoluyla gerçekleştirilmektedir. İkinci yöntemde ise; bu ağların derin katmanlarından çıkarılan öznitelikler ile Destek Vektör Makinesi (SVM) sınıflandırıcısından yararlanılmaktadır. Üçüncü yöntem, görüntü transformatörü olarak bilinen transformatör mimarisini kullanan bir sinir ağı modelinin kullanılmasını içerir. Son olarak, birden fazla modelden gelen tahminleri birleştirerek daha güçlü ve daha doğru tahminler elde etmeyi amaçlayan bir yaklaşım olan topluluk öğrenimi, yukarıdaki üç farklı yöntemden en iyi performans gösteren modelleri birleştirmek için kullanılmıştır. Ayrıca yeşil renk kanalı çıkarımı, veri artırımı, histogram eşitleme, derin öğrenme tabanlı segmentasyon ile arka plan eliminasyonu gibi farklı görüntü ön işleme teknikleri ayrı ayrı ve birlikte kullanılarak kapsamlı bir performans analizi yapılmıştır. Deneyler, sırasıyla 10 ve 40 zararlı türü içeren Li ve D0 veri setleri üzerinde gerçekleştirilmiştir. Li veri setinde çoğunluk oylama yöntemi kullanılan topluluk öğrenimi ile %98.35, D0 veri setinde ise %99.78 doğruluk ile en yüksek performans elde edilmiştir. Sonuçlar, önerilen modellerin bitki zararlısı kontrolünde etkin bir şekilde kullanılabileceğini göstermektedir.
Özet (Çeviri)
Early and effective insect pest detection and control help to protect plants, increase crop yields, and reduce losses in the agricultural economy. In this dissertation, deep learning approaches for identifying insect pests, which pose a significant threat to agricultural production, are proposed. The first proposed method involves classification through transfer learning using different pre-trained deep neural networks (DNN). In the second method, features extracted from deep layers of these networks with the Support Vector Machine (SVM) classifier are utilized, Third method involves the use of a neural network model that uses transformer architecture known as the vision transformer. Finally, ensemble learning, an approach that combines predictions from multiple models to achieve stronger and more accurate predictions, is used to merge the best-performing models from the three different methods mentioned above. Additionally, a comprehensive performance analysis was conducted using various image preprocessing techniques both individually and in combination, including green color channel extraction, data augmentation, histogram equalization, and deep learning-based segmentation with background elimination. Experiments were carried out on the Li and D0 datasets, which contain 10 and 40 plant pest species, respectively. The highest performance was achieved with 98.35% accuracy using the majority voting method in the Li dataset, and 99.78% accuracy in the D0 dataset. The results demonstrate that the proposed models can be effectively used in insect pest control.
Benzer Tezler
- Görüntü işleme tabanlı bitki türleri ve hastalıkları tanıma
Image processing based plant species and diseases recognition
MUAMMER TÜRKOĞLU
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
- Row following and altitude estimation with UAV images for agricultural fields
Tarım alanları için İHA görüntülerinden sıra takibi ve irtifa kestirimi
BURAK YÖRÜK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YALIN BAŞTANLAR
- Bazı tarım ürünlerinin bitki besin elementi noksanlıkları ile elektromanyetik enerji yansıtma özellikleri arasındaki ilişkiler
Relationship between deficiency of nutritional elements in some agricultural products and electromagnetic energy reflection characteristics
ECE EROĞLU
Yüksek Lisans
Türkçe
2008
ZiraatEge ÜniversitesiToprak Ana Bilim Dalı
PROF. DR. YUSUF KURUCU
PROF. DR. İZZET ZEKİ ATALAY
- Görüntü işleme yöntemi ile domateste görülenbakteriyel kanser ve solgunluk hastalığı (Clavibacter Michiganensis Subsp. Michiganensis (Smith) Davis Et All) gelişiminin izlenmesi
Monitorization of the development of bacterial and paleness disease seen in the growth of tomatoes (Clavibacter Michiganensis Subsp. Michiganensis (Smith) Davis Et All) through the method of image processing
ERKAN ATALAY
Yüksek Lisans
Türkçe
2014
ZiraatGaziosmanpaşa ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KASAP
- Kızılırmak deltası'nda tarım arazileri ve su yüzeylerinin zamansal değişiminin google earth engine ile irdelenmesi
Examining the temporal changes of agricultural lands and water surfaces of the Kızılırmak delta with google earth engine
ŞEYDANUR DOĞAN
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriOndokuz Mayıs ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. AZİZ ŞİŞMAN