Bitki yapraklarından hastalık tespiti için derin öğrenme tabanlı yeni yöntemlerin geliştirilmesi
Development of new deep learning based methods for disease detection from plant leaves
- Tez No: 918625
- Danışmanlar: DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN, DR. ÖĞR. ÜYESİ HAKAN AKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ziraat, Computer Engineering and Computer Science and Control, Agriculture
- Anahtar Kelimeler: Tarım, Bitki Hastalıkları, Segmentasyon, Derin Öğrenme, Veri Çoğullama, Sınıflandırma, Karnabahar, MangoLeafBD, Mango, Agriculture, Plant Diseases, Segmentation, Deep Learning, Data Augmentation, Classification, Cauliflower, MangoLeafBD, Mango
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
BİTKİ YAPRAKLARINDAN HASTALIK TESPİTİ İÇİN DERİN ÖĞRENME TABANLI YENİ YÖNTEMLERİN GELİŞTİRİLMESİ Emrullah POLAT Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Aralık 2024 Danışman: Dr. Öğr. Üyesi Tayyip ÖZCAN İkinci Danışman: Dr. Öğr. Üyesi Hakan AKTAŞ ÖZET Tarım sektörü, gelişmekte olan teknolojilerle uyum sağlayarak zamanla dijital dönüşüme uğrayan bir alan olmaya başlamıştır. Bu nedenle yapılan bu tez çalışmasında, bitki hastalıklarının tespiti için derin öğrenme mimarilerinin etkinliğinin incelenmesi ve sınıflandırma doğruluğunun arttırılması amaçlanmıştır. Bu amaçla karnabahar bitkisine ait Acı Yaprak Lekesi (Alternaria Leaf Spot) ve Vasküler Bakteriyoz (Black Rot) hastalıklarına ait görüntüler alınmıştır. Bu çalışmada veri seti çoğullama için hastalıklı yapraklar üzerinde uygulanacak görüntü işleme yöntemlerinin, derin öğrenme mimarilerinde doğruluğa ne kadar etki ettikleri incelenmiş ve uygulamaya özel bir yöntem önerilmiştir. Bu amaçla önerilen yöntemde, görüntü segmentasyon yöntemi kullanılarak yaprak bilgisi arka plandan ayıklanmış ve elde edilen görsel üzerinde geometrik dönüşüm yöntemleri kullanarak veri çeşitliliği sağlanmıştır. Bu aşamadan sonra VGG16, ResNet50, EfficientNetB3 ve MobileNetV3 Large gibi dört derin öğrenme modeli ile eğitimler gerçekleştirilmiştir. Önerilen bu yapı, gerçekleştirilen deneylerde %100 doğruluğa ulaşarak en iyi sonucu vermiştir. Önerilen yöntemin başarısını incelemek için farklı bir hastalıklı yaprak veri seti ile deneysel çalışmalar gerçekleştirilmiştir. Bu çalışmaların sonucunda önerdiğimiz yöntem MangoLeafBD veri setinde %100 sınıflandırma doğruluğuna ulaşmıştır.
Özet (Çeviri)
DEVELOPMENT OF NEW DEEP LEARNING BASED METHODS FOR DISEASE DETECTION FROM PLANT LEAVES Emrullah POLAT Erciyes University, Graduate School of Natural and Applied Sciences Master Thesis, December 2024 Supervisor: Assoc. Dr. Tayyip ÖZCAN Co-supervisor: Assoc. Dr. Hakan AKTAŞ ABSTRACT The agricultural sector has become an area that has undergone digital transformation over time by adapting to emerging technologies. Therefore, this thesis aims to investigate the effectiveness of deep learning architectures for the detection of plant diseases and to increase classification accuracy. For this purpose, images of cauliflower plants were taken for Alternaria Leaf Spot and Black Rot diseases. In this study, the effect of image processing methods to be applied on diseased leaves for dataset augmentation on the accuracy of deep learning architectures is analysed and an application-specific method is proposed. For this purpose, in the proposed method, leaf information is extracted from the background using image segmentation method and data diversity is provided by using geometric transformation methods on the obtained image. After this stage, training was performed with four deep learning models such as VGG16, ResNet50, EfficientNetB3 and MobileNetV3 Large. This proposed structure gave the best result by reaching 100% accuracy in the experiments. Experimental studies were carried out with a different diseased leaf dataset to examine the success of the proposed method. As a result of these studies, the proposed method achieved 100% classification accuracy on the MangoLeafBD dataset.
Benzer Tezler
- Bitki yapraklarındaki hastalıkların derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması
Detection and classification of diseases in plant leaves using deep learning methods
NADİDE YÜCEL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED YILDIRIM
- Bitkilerde görülen hastalıkların derin öğrenme yöntemleriyle tespiti ve sınıflandırılması
Determination and classification of diseases in plants with deep learning methods
MELİKE SARDOĞAN DOĞAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADEM TUNCER
- Bitki görüntülerinden hastalık tespiti için derin öğrenme modeli
Deep learning model for disease detection from plant images
TÜLİN BOYAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM YILDIZ
DOÇ. DR. ÖNDER DEMİR
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Bitki yapraklarındaki hastalıkları yapay zeka ile tespit edebilen ve noktasal ilaçlama yapabilen otonom mobil manipülatör sisteminin geliştirilmesi
Development of an autonomous mobile manipulator system that detects diseases in plant leaves using artificial intelligence and can apply spot spraying
BURHAN ÖK
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KENAN IŞIK