Plant image classification using convolutional neural networks
Konvolüsiyonel sinir ağları kullanarak bitki görüntüsü sınıflandırması
- Tez No: 938575
- Danışmanlar: PROF. DR. ALİ OKATAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 53
Özet
Bitkiler, tıp, vücut, saç ve cilt bakım ürünlerinde kullanılan, insanlar için önemli bir besin kaynağıdır. Flora, temel oksijeni sağlayarak çevresel dengeyi korur. Bitkiler, bireysel sağlık ve küresel ekonomi üzerinde doğrudan etkilere sahiptir. Bu nedenle, bu zenginliği yönetmek ve ona bakmak için tüm araçları geliştirmek esastır. Aslında, tarım sektörünü geliştirmede yapay zeka (AI) tekniklerini kullanmaya yönelik birçok girişim vardır. Bu tez, bitkileri parçalarının görüntülerine bağlı olarak sınıflandırmak için Evrişimsel Sinir Ağları (CNN) tekniklerini kullanır. Bu çalışma, sıfırdan oluşturulmuş bir CNN modelini, önceden eğitilmiş CNN modelleri ResNet50V2 ve MobileNetV2 ile karşılaştırır. Bu çalışma, kullanımda olan 4 veri kümesi arasında dağıtılmış yaklaşık yarım milyon görüntü ile 647 farklı bitki türünün sınıflandırılmasını araştırır. Bu araştırma, ResNet50V2 önceden eğitilmiş modelinin MobileNetV2 modelinden daha iyi performansa sahip olduğunu ortaya koymaktadır. Ancak, hem önceden eğitilmiş ResNet50V2 hem de MobileNetV2 modellerinin performansı, derin öğrenme modellerinde transfer öğrenme teknolojisinin önemini ortaya koyan sıfırdan oluşturulmuş CNN modelinin performansından çok daha üstündür. Bu modellerden yararlanma girişimi olarak, küçük bir Streamlit web uygulaması geliştirildi. Bu uygulama, kullanıcıların bir bitki yaprağı, çiçeği veya meyvesinin resmini yüklemesini sağlar, ardından uygulama, bitki türünü tespit etmek ve kullanıcıya bitki adı, nasıl bakılacağı, yetiştirme yöntemleri ve daha fazlası gibi değerli bilgiler sağlamak için CNN önceden eğitilmiş modeli ResNet50V2'yi kullanır. Böyle bir uygulama, çiftçilerin bitki türlerini doğru bir şekilde tanımlamasını ve bakımları hakkında yeterli bilgi almasını sağlayarak tarımsal uygulamaları ve çevre yönetimini iyileştirir. Böyle bir modelin varlığı, geleceğe yönelik ufuklar açar ve gelecekte dünyanın dört bir yanındaki tarımsal sistemlerde yaygın olarak kullanılabilecek birçok uygulama veya cihazın geliştirilmesi için temel oluşturur.
Özet (Çeviri)
Plants are a major food source for humans, used in medicine, body, hair, and skin care products. Flora maintains the environmental balance by providing essential oxygen. Plants have direct impacts on individual health, and the global economy. Therefore, it is essential to develop all means to manage and care for this wealth. In fact, there are many attempts to use artificial intelligence (AI) techniques in developing the agricultural sector. This thesis uses Convolutional Neural Networks (CNN) techniques to classify plants depending on images of their parts. This study compares a scratch-built CNN model with pre-trained CNN models ResNet50V2 and MobileNetV2. This study explores classification of 647 different plant species with about a half million images distributed among the 4 datasets in use. This research reveals that ResNet50V2 pre-trained model has better performance than the MobileNetV2 model. However, the performance of both pre-trained models ResNet50V2 and MobileNetV2 is far superior to that of the scratch-built CNN model, which introduced the importance of transfer learning technology in deep learning models. As an attempt to take advantage of these models, a small Streamlit web application was developed. This application enables users to upload a picture of a plant leaf, flower, or fruit then the application uses CNN pre-trained model ResNet50V2 to detect the plant type and provide the user with valuable information such as: plant name, how to take care of it, methods of growing it, and more. Such an application would enable farmers to identify plant species accurately and receive sufficient information on their care, thus improving agricultural practices and environmental management. The existence of such a model opens future horizons and lays the foundation for the development of many applications or devices that could be used extensively in agricultural systems around the world in the future.
Benzer Tezler
- Konvolüsyonel sinir ağlarını kullanarak bitki türlerinin sınıflandırılması ve bitki hastalıklarının tanısı
Classification of plant species and diagnosis of plant diseases using convolutional neural networks
FUAT KARA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR TÜFEKCİ
- Konvolüsyonel sinir ağlarını kullanarak üzüm ve üzüm yapraklarının hastalıklarının tespit edilmesi
Grape and grape leaves diseases detection using convolutional neural networks
SHEKOFA GHOURY
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL SUNGUR
- Derin öğrenme yöntemleri ile asma yaprak hastalıklarının sınıflandırılması
Classification of vine leaf diseases using deep learning methods
YASİN ÜNAL
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
PROF. DR. MEHMET KARA
- 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
- Derin öznitelikler kullanılarak kiraz yapraklarında külleme hastalık seviyesinin sınıflandırılması
Classification of level of powdery mildew disease on cherry leaves using deep attributes
HATİCE KAYHAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
DR. ÖĞR. ÜYESİ EMRAH DÖNMEZ