Geri Dön

Ceviz hastalıklarının derin öğrenme ile sınıflandırılması

Classification of walnut diseases with deep learning

PDF İndir

  1. Tez No: 886145
  2. Yazar: KADİR AYGÜN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Amasya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

Ceviz, ülkemizde hem gıda hem de ağaç endüstrisi için yetiştirilen önemli bir bitkidir. Cevizde çeşitli çevresel faktörlerin de etkisiyle bazı hastalıklar ve mineral eksiklikleri ortaya çıkabilmektedir. Bu hastalıklar ve mineral eksiklikleri, ceviz yapraklarında farklı şekillerde kendini göstermektedir. Ceviz üreticileri, ceviz verimliliğini doğrudan etkileyen birtakım hastalıklar ve beslenme yetersizlikleri ile mücadele etmek için yeni nesil teknolojilerden yardım almaktadırlar. Son yıllarda birçok sektörde olduğu gibi tarım sektöründe de çeşitli problemlerin çözümünde derin öğrenme yöntemleri kullanılmaktadır. Bu çalışmada, ceviz yapraklarında görülen ceviz antraknozu ve vitamin yetersizliklerinin tespiti ve sınıflandırılması için Faster R-CNN modeli geliştirilmiştir. Geliştirilen model için biri sağlıklı, diğer üçü hastalıkları içeren dört sınıftan oluşturulan veri seti kullanılmıştır. Geliştirilen model, GoogleNet, AlexNet ve SqueezeNet gibi bazı ön eğitimli derin öğrenme modelleri ile de test edilerek sınıflandırma başarısı irdelenmiştir. Her bir CNN model için Adam ve SGDM optimizasyon algoritmaları ile farklı iterasyon sayılarının sınıflandırma başarısına etkisi incelenmiştir. Modellerin hassasiyet (precision), doğruluk (accuracy), F1 skoru ve hatırlama (recall) gibi metrik değerleri hesaplanarak tutarlılıkları değerlendirilmiştir. Çalışmada geliştirilen Faster RCNN modelinin sınıflandırmada ki doğruluğu %98,28 olarak bulunmuştur.

Özet (Çeviri)

Walnut is an important plant grown for both food and wood industry in our country. Some diseases and mineral deficiencies may occur in walnut with the effect of various environmental factors. These diseases and mineral deficiencies manifest themselves in different ways in walnut leaves. Walnut producers are getting help from new generation technologies to combat some diseases and nutritional deficiencies that directly affect walnut productivity. In recent years, deep learning methods have been used to solve various problems in the agricultural sector as in many sectors. In this study, Faster R-CNN model was developed for the detection and classification of walnut anthracnose and vitamin deficiencies in walnut leaves. For the developed model, a dataset consisting of four classes, one of which is healthy and the other three are diseases, was used. The developed model was also tested with some pre-trained deep learning models such as GoogleNet, AlexNet and SqueezeNet and its classification success was analysed. For each CNN model, the effect of different iteration numbers on classification success was examined with Adam and SGDM optimisation algorithms. Metric values such as accuracy, precision, recall and F1 score of the models were calculated and their consistency was evaluated. The classification accuracy of the Faster R-CNN model developed in the study was found to be 98.28%.

Benzer Tezler

  1. Tez No

    677884

    Beyin tümörlerinin MR görüntüleri üzerinden derin öğrenme yöntemiyle tespiti ve sınıflandırması

    Determination and classification of brain tumors on MR images by deep learning method

    MERVE KÖRDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    BiyomühendislikAkdeniz Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET BOZKURT

    DOÇ. DR. KERİM KÜRŞAT ÇEVİK

  2. Tez No

    779415

    Analysis of leukemia cancer classification with supervised machine learning and deep reinforcement learning based on gene expression monitoring (via DNA microarray)

    Denetimli makine öğrenimi ve gen ifade izlemeye dayalı derin takviyeli öğrenme ile lösemi kanseri sınıflandırmasının analizi (DNA mikrodizisi aracılığıyla)

    ZAID MOHAMMED IBRAHIM IBRAHIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUS ÇEVİK

    PROF. DR. TURGAY İBRİKÇİ

  3. Tez No

    799874

    ASD automatic detection by using yolo V3 and V4 method

    Yolo V3 ve V4 yöntemi kullanarak ASD otomatik tespit

    FARAH MUWAFAQ KAMIL AL-QURAISHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. MESUT ÇEVİK

  4. Tez No

    689016

    Derin konvolüsyon ağı ile dermatoskopik görüntülerde deri lezyonlarının sınıflandırılması

    Başlık çevirisi yok

    EMRAH ÇEVİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KENAN ZENGİN

  5. Tez No

    158120

    Atopik çocukta prick deri testi ve çift kör plasebo kontrol oral besin provakasyonu testi ile besin allerjisi değerlendirilmesi

    Başlık çevirisi yok

    AYŞE YENİGÜN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2004

    Çocuk Sağlığı ve HastalıklarıEge Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. REMZİYE TANAÇ

Geri Dön