Bitki hastalıklarını tespitte derin öğrenme ResNet modelinin etkinliği
Deep learning in plant disease detection: effectiveness of ResNet model
- Tez No: 879076
- Danışmanlar: DR. ÖĞR. ÜYESİ PARVANEH SHAMS
- 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: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- Peyzaj düzenleme çalışmalarında kullanılan ve kullanılmaya uygun çeşitli taşların özellikleri ile İzmir ve yakın çevresinde bunlara ilişkin kaynaklar üzerinde araştırmalar
Başlık çevirisi yok
E. VECDİ KÜÇÜKERBAŞ
Yüksek Lisans
Türkçe
1985
Peyzaj MimarlığıEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. İLÇİN ASLANBOĞA
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN
- Marmara bölgesindeki kavun ve karpuz yetiştiriciliğinin bugünkü durumu, sorunları ve öneriler
The Status of melon and water melongrowing in Marmara region at present and its Problems and recommedations
MEHMET GÜLER
- Polüsyonun bazı bitki hormonları içeriğine etkileri üzerinde bir araştırma
Başlık çevirisi yok
TACETTİN ÇİMEN
- Çukurova bölgesinde biyoklimatik veriler kullanılarak açık ve yeşil alan sistemlerinin belirlenmesi ilkeleri üzerinde bir araştırma
A research on the determination of the principles in open and green spaces systems by using the bioclimatic data in Çukurova region
MEHMET FARUK ALTUNKASA
Doktora
Türkçe
1987
Çevre MühendisliğiÇukurova ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜLTEKİN