Geri Dön

Bitki hastalıklarını tespitte derin öğrenme ResNet modelinin etkinliği

Deep learning in plant disease detection: effectiveness of ResNet model

  1. Tez No: 879076
  2. Yazar: CİHAN TOPÇU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ PARVANEH SHAMS
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 55

Özet

Bitki hastalıklarının erken tespiti, tarım sektörünün kalbinde yer almakta ve hem verimi artırmak hem de ekosistemdeki dengenin korunması açısından vazgeçilmez bir öneme sahiptir. Gelişen yapay zeka teknolojileri, bu alanda devrim niteliğinde ilerlemeler sağlayarak, hastalıkların hızlı ve etkin bir şekilde tanınmasına olanak tanımıştır. Bu çalışmada kullanılan ResNet modeli, derin öğrenme algoritmalarının en iyilerinden biri olarak öne çıkmakta, bitki yaprakları üzerindeki karmaşık özellikleri saptayarak, geniş bir hastalık spektrumunu doğru bir şekilde sınıflandırabilme kapasitesini sergilemektedir. ResNet 'in bu üstün performansı, tarımsal verimliliği arttırma ve bitki sağlığını koruma konusunda kritik bir adım niteliğindedir. Modelin eğitim süreci boyunca detaylı bir şekilde incelenen veriler, ResNet modelinin bitki hastalıklarını tespit etmede olağanüstü bir başarıya ulaştığını göstermiştir. Elde edilen %99'luk başarı oranı, yapay zekâ tabanlı görüntü işleme teknolojilerinin tarımsal uygulamalarda nasıl hayati bir rol oynayabileceğinin açık bir göstergesidir. Bu seviyede bir doğruluk, özellikle zorlu dış mekân koşullarında ve çeşitlilik gösteren yaprak örnekleri üzerinde gerçekleştirilen analizler için özellikle etkileyicidir ve modelin geniş bir hastalık spektrumunu anlayabilme ve sınıflandırabilme yeteneğini kanıtlar niteliktedir. Bu sonuçlar, ResNet modelinin bitki hastalıkları teşhisinde bir endüstri standardı olarak benimsenebileceğini ve tarımsal uygulamalarda dönüşüm yaratabileceğini işaret etmektedir. Bu çalışmanın sonuçları, yapay zekâ destekli bitki hastalığı tespit sistemlerinin tarım sektörü için sunduğu katkıların ve potansiyelin altını çizmektedir. Gelişmiş ResNet modelinin uygulanmasıyla, hastalıkların erken ve doğru bir şekilde tanınması mümkün kılınarak tarımsal süreçlerin verimliliği ve sürdürülebilirliği önemli ölçüde iyileştirilmektedir. Bu teknolojik ilerleme, hastalıkların hızlı tedavisini ve önlenmesini sağlayarak, genel olarak tarım üretiminde kalite ve güvenliğin artırılmasına olanak tanımaktadır. Bu başarı, ResNet 'in derin öğrenme yaklaşımının, gerçek dünya tarımsal sorunlarına uygulanabilir ve etkili çözümler sunma gücünü kanıtlamaktadır.

Özet (Çeviri)

Early detection of plant diseases holds a central place in the agriculture sector and is indispensable for both increasing yield and maintaining ecosystem balance. The advancements in artificial intelligence technologies have revolutionized this field, enabling rapid and effective identification of diseases. The ResNet model used in this study stands out as one of the best deep learning algorithms, demonstrating the ability to accurately classify a wide spectrum of diseases by detecting complex features on plant leaves. This superior performance of ResNet is a critical step in enhancing agricultural productivity and protecting plant health. The data examined in detail during the training process of the model show that the ResNet model has achieved extraordinary success in detecting plant diseases. The achieved 99% success rate is a clear indicator of how AI-based image processing technologies can play a vital role in agricultural applications. Such accuracy, especially in challenging outdoor conditions and on diverse leaf samples, is particularly impressive and proves the model's ability to understand and classify a wide disease spectrum. These results suggest that the ResNet model could be adopted as an industry standard in diagnosing plant diseases and create a transformation in agricultural applications. The findings of this study underline the contributions and potential of AI-supported plant disease detection systems for the agriculture sector. With the implementation of the advanced ResNet model, early and accurate disease detection is made possible, significantly improving the efficiency and sustainability of agricultural processes. This technological progress allows for the rapid treatment and prevention of diseases, thereby enhancing the overall quality and safety in agricultural production. This success demonstrates the power of ResNet's deep learning approach to offer applicable and effective solutions to real-world agricultural problems.

Benzer Tezler

  1. Örtü altı tarım uygulamlarında yapay zekâ tabanlı tespit, teşhis, tedavi ve verim otomasyonu

    Artificial intelligence based detection, desease, diagnosis, treatment and efficiency otomation for greenhouse applications

    ABDİL KARAKAN

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELAMİ KESLER

  2. Van Gölü Havzasından izole edilen endofit bakterilerin karakterizasyonu ve in vitro koşullarda bazı bitki patojeni bakterilere karşı antagonistik etkilerinin belirlenmesi

    Characterization of endophytic bacteria isolated from Van Lake Basin and determination of antagonistic effects against some plant pathogenic bacteria in vitro conditions

    YASİN BABİER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    ZiraatVan Yüzüncü Yıl Üniversitesi

    Bitki Koruma Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET AKKÖPRÜ

  3. Diagnose colon disease by feature selection based on artificial neural network and group teaching optimization algorithm

    Başlık çevirisi yok

    ALAA BADR EYSA EYSA

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  4. Bitki hastalığı tespiti için ilmiğe dayalı izotermal çoğaltma yönteminin optimizasyonu

    Optimization of loop mediated isothermal amplification assay for plant disease detection

    HASAN SAĞCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Biyoteknolojiİstanbul Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. NESLİHAN TURGUT KARA

  5. Bitki hastalıklarının derin öğrenme ile sınıflandırılması

    Classification of plant diseases with deep learning

    ELİF ÜNAL ÇAYIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NECAATTİN BARIŞÇI