Domates bitkisinde ToBRFV hastalığının derin öğrenme yöntemleriyle erken tespiti
Early detection of ToBRFV disease in tomato plants using deep learning methods
- Tez No: 928803
- Danışmanlar: PROF. DR. RİFAT EDİZKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: 117
Özet
Bu tez çalışmasında, domates bitkisinde görülen domates meyve buruşukluk virüsünün (ToBRFV) yapay zeka ile erken tespiti üzerine çalışılmıştır. Eskişehir Osmangazi Üniversitesi (ESOGÜ) tarafından yürütülen öncelikli alan projesi (ÖNAP) kapsamında Adana Biyolojik Mücadele Araştırma Enstitüsü'nün tam kontrollü seralarında ticari domates çeşidinin sağlıklı ve ToBRFV sınıflandırması için bitkilerden 29 gün aralığında belirlenen günlük peryotlarda görüntüler toplanmıştır. Görüntüler, 800 nm ve 1000 nm dalga boyu, 400-1100 nm geniş spektral aralığı ve 400-700 nm görülebilir ışık spekturumunda çekilerek dört özgün veri seti oluşturulmuştur. ToBRFV'nin erken tespitinin hangi dalga boyu veya spektral aralıkta sınıflandırdığı belirlemek için Densenet169, Mobilenet V2, Resnet50 V2 ve Xception derin öğrenme modelleri ile tez kapsamında önerilen evrişimli sinir ağı (CNN) tabanlı model kullanılmıştır. Önerilen modelde darboğaz kalıntı bloğu ile kanal dikkat modülü kullanılarak diğer modellere göre daha az karmaşık ağ yapısı ve hesaplama maliyeti düşük ağ modeli oluşturulmuştur. Derin öğrenme modelleri ile hastalık tespitinin analizi iki yaklaşımla yapılmıştır. Birinci yaklaşımda, ToBRFV'nin bitki yaprağındaki belirtilerinin zamanla nasıl değiştiğini anlamak için üç zaman serisi modeli ile gün bazlı kümülatif ve gün bazlı hesaplama ile sınıflandırma yapılmıştır. Bu yaklaşımda, Xception ve önerilen model ile 1000 nm dalga boyunda hem sağlıklı hem de virüslü bitkilerin tespiti %100 başarı ile gerçekleştirilmiştir. İkinci yaklaşımda ise tüm günlere ait görüntüler kullanılarak zaman temelli olmayan sınıflandırma gerçekleştirilmiş ve önerilen modelle 1000 nm spektral bantta %98 virüslü bitki tahmin başarısı elde edilmiştir. Sonuçlar, domates çeşidinde 1000 nm spektral bandında önerilen CNN modelinin ToBRFV'nin erken tespitini yüksek doğrulukla gerçekleştirdiğini göstermektedir.
Özet (Çeviri)
In this thesis, early detection of tomato brown rugose fruit virüs (ToBRFV) seen in tomato plants was studied with artificial intelligence. In the experiment conducted in fully controlled greenhouses of Adana Biological Control Research Institute within the scope of the priority area project (ÖNAP) carried out by Eskişehir Osmangazi University, images were collected daily from plant leaves for 29 days for the classification of healthy and ToBRFV of commercial tomato varietiy. Four original datasets were created by taking images at 800 nm and 1000 nm wavelengths, 400-1100 nm wide spectral range and 400-700 nm visible light spectrum. Densenet169, Mobilenet V2, Resnet50 V2 and Xception deep learning models and a convolutional neural network (CNN) based model were proposed and used to determine in which wavelength or spectral range the early detection of ToBRFV is classified. In the proposed model, a more efficient and computationally cost-effective network model was created compared to other models by using the bottleneck residual block and channel attention module. Test analyzes of deep learning models were performed with two approaches. In the first approach, in order to understand how the symptoms of ToBRFV on plant leaves change over time, day-based cumulative and day-based classification was performed with three time series models. In this approach, both healthy and infected plants were detected with 100% success at 1000 nm wavelength with Xception and the proposed model. In the second approach, non-time-based classification was performed using images from all days and 98% success was achieved in the prediction of infected plants at 1000 nm spectral band with the proposed model. The results show that the proposed CNN model performs early detection of ToBRFV with high accuracy at 1000 nm spectral band in tomato variety.
Benzer Tezler
- Tomato brown rugose fruit virus (ToBRFV) domates bitkisine bulaşması ve sera alet ekipmanları üzerinde aktif kalma süreleri ile ilgili çalışmalar ve eradikasyon işlemleri
Tomato brown rugose fruit virus (ToBRFV) infection on tomato plants and studies on activity times on greenhouse tool equipment and eradication processes
HANDE NUR VURGUN
- Afyonkarahisar ili örtü altı domates yetiştiriciliğinde sorun olan bazı virüslerin enfeksiyonlarının ve yaygınlıklarının belirlenmesi
Determination of infections and prevalences of some viruses that are problem in greenhouses tomato growi̇ng in Afyonkarahi̇sar province
MERVE DEMİR
Yüksek Lisans
Türkçe
2024
ZiraatSelçuk ÜniversitesiBitki Koruma Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN YEŞİL
- Adana ve Mersin illerinde domates ve biber yetiştirilen alanlarda tomato brown rugose fruit virus (ToBRFV)'un saptanması ve karakterizasyonu
Detection and characterization of tomato brown rugose fruit virus (ToBRFV) in tomato and pepper grown areas in Adana and Mersin region
YOUSSEF HAG MOSA
Yüksek Lisans
Türkçe
2024
ZiraatÇukurova ÜniversitesiBitki Koruma Ana Bilim Dalı
DOÇ. DR. MUHARREM ARAP KAMBEROĞLU
- Solanuim nigrum L. ve Chenopodium album L.'dan Tomato brown rugose fruıt virus (ToBRFV)' ın RNA izolasyon optimizasyonu ve bu yabancı otların konukçuluk potansiyellerinin belirlenmesi
RNA Isolation Optimization of Tomato brown rugose fruit virus (ToBRFV) from Solanum nigrum L. and Chenopodium album L. and determination of the host potential of these weeds
TUĞBA ERDOĞAN
Yüksek Lisans
Türkçe
2025
ZiraatErciyes ÜniversitesiBitki Koruma Ana Bilim Dalı
PROF. DR. DOĞAN IŞIK
DR. CEMİLE TEMUR ÇINAR
- Domates bitkisinde tuz stresine karşı karotenoid kodlayan PSY-fiton sentaz (PSY-Phytoene Synthase) ve PDS-fiton desaturaz (PDS-Phytoene desaturase) genlerinin ifadesi düzeylerinin belirlenmesi
Identification of the expression levels of carotenoid encoding (Phytoene synthase and Phytoene desaturase) genes against salt stress that exist in tomato
AHMED DUALE