Kültür mantarlarında yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması
Classification of common diseases in agaricus bisporus by deep learning method
- Tez No: 951394
- Danışmanlar: DOÇ. DR. ADEM GÖLCÜK, DOÇ. DR. SİNAN AKTAŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 212
Özet
Bu tez çalışmasında, Agaricus bisporus (kültür mantarı) üretiminde yaygın olarak görülen dört farklı hastalık durumu ile bunlara ek olarak hastalık bulunmayan sağlıklı durumun (sağlıklı, bakteriyel leke, örümcek ağı, kuru kabarcık ve yaş kabarcık) görüntü tabanlı olarak sınıflandırılmasına yönelik bir derin öğrenme tabanlı sistem önerilmiştir. Çalışmada, beyaz, ultraviyole (UV) ve karma (beyaz+UV) olmak üzere üç farklı aydınlatma koşulunda özel olarak oluşturulan görüntü veri setleri kullanılarak, 20 farklı ön eğitimli evrişimli sinir ağı (CNN) mimarisi değerlendirilmiştir. Görüntüler, bu çalışmaya özgü olarak tasarlanan ve beyaz, UV ve karma ışık senaryolarını kontrollü biçimde sağlayabilen özel bir görüntüleme kabininde elde edilmiştir. Her bir model, doğruluk (accuracy), duyarlılık (recall), kesinlik (precision), F1 skoru, ROC AUC, PR AUC, özgüllük, Matthews korelasyon katsayısı (MCC), logaritmik kayıp ve bileşik değerlendirme ölçütü (BDÖ) gibi çok sayıda metrikle performans açısından analiz edilmiştir. BDÖ, karar verme sürecine destek olması açısından beş temel metriğin ağırlıklı ortalamasına göre hesaplanmıştır. Elde edilen bulgulara göre, her üç aydınlatma ortamında da en başarılı sonuçlar ResNet-50 modeli tarafından elde edilmiştir. Beyaz ışık ortamında genel sınıf ayrımı daha net gerçekleşmiş, karma ışık ortamı bazı metriklerde dengeli başarı sunarken, UV ışık bazı sınıflarda kararsızlık oluşturmuştur. Sınıf bazlı analizler, sağlıklı ve örümcek ağı sınıflarında yüksek sınıflandırma doğruluğu sağlandığını, buna karşılık bakteriyel leke ve yaş kabarcık sınıflarında bazı modellerin karışıklık yaşadığını göstermiştir. Karmaşıklık matrisleri, ROC ve PR eğrileri üzerinden yapılan görsel analizler, modellerin sınıflar arası ayrım yetkinliğini detaylı biçimde ortaya koymuştur. Bu bağlamda, hem kullanılan model mimarisinin derinliği hem de veri toplama sürecinde kullanılan aydınlatma koşulları, sınıflandırma başarımını doğrudan etkilemiştir. Sonuç olarak, bu çalışma kültür mantarı üretiminde görüntü tabanlı hastalık tanısının uygulanabilirliğini ortaya koymakta; geliştirilen sistemin erken teşhis, otomatik izleme ve akıllı tarım uygulamaları açısından yüksek potansiyele sahip olduğunu göstermektedir.
Özet (Çeviri)
In this thesis study, a deep learning-based system is proposed for the image-based classification of four common diseases observed in Agaricus bisporus (white button mushroom), along with the healthy condition. The five classes considered are: healthy, bacterial blotch, cobweb (white mold), dry bubble, and wet bubble. Using a custom-designed imaging cabin, image datasets were created under controlled conditions for three distinct lighting setups: white light, ultraviolet (UV) light, and mixed (white + UV) light. A total of 20 different pretrained convolutional neural network (CNN) architectures were systematically evaluated. Each model was assessed using various performance metrics, including accuracy, recall, precision, F1-score, ROC AUC, PR AUC, specificity, Matthews correlation coefficient (MCC), log loss, and a composite performance index (CPI). The CPI was calculated as a weighted average of five key metrics to support holistic decision-making. Results indicate that ResNet-50 consistently achieved the highest performance across all lighting conditions. While white light yielded the best overall class separation, mixed light provided balanced metric scores in some cases, and UV light introduced increased classification uncertainty in certain classes. Class-based evaluations revealed that the models achieved high accuracy in identifying the healthy and cobweb classes, whereas bacterial blotch and wet bubble classes posed challenges due to visual similarities. Confusion matrices, along with ROC and PR curves, enabled detailed visual analyses, highlighting the distinct strengths and weaknesses of each model across different classes. These findings underscore the significant impact of both CNN architecture depth and the lighting conditions used during data collection on classification performance. In conclusion, this study confirms the potential of image-based disease detection in mushroom cultivation and highlights the suitability of the proposed system for early diagnosis, automated monitoring, and smart agriculture applications.
Benzer Tezler
- Antalya ili Korkuteli ilçesi mantar üretim alanlarında yaygın görülen bazı fungal hastalık etmenlerinin moleküler karakterizasyonu
Moleculer characterization of some common fungal pathogens causing diseases in mushroom production areas of Korkuteli district of Antalya province
DUYGU ATEŞ
- Bitkisel ve mikrobiyal kökenli preparatların kültür mantarı [Agaricus bisporus (Lange) Imbach]'nda yaş kabarcık (Mycogone perniciosa) ve kuru kabarcık (Verticillium fungicola) hastalık etmenlerine etkilerinin ın vıvo ve ın vıtro koşullarında değerlendirilmesi
Bitkisel ve mikrobiyal kökenli preparatlarin kültür mantari [Agaricus bisporus (Lange) imbach]'nda yaş kabarcik (Mycogone perniciosa) ve kuru kabarcik (Verticillium fungicola) hastalik etmenlerine etkilerinin in vivo ve in vitro koşullarinda değerlendirilmesi
GAMZE KURT
Yüksek Lisans
Türkçe
2014
ZiraatAkdeniz ÜniversitesiBitki Koruma Ana Bilim Dalı
YRD. DOÇ. DR. MÜRSEL ÇATAL
- Ulucak yöresinin (Kemalpaşa Ovası) arazi kullanımı
Başlık çevirisi yok
NEZAHAT KARA
Yüksek Lisans
Türkçe
1997
CoğrafyaEge ÜniversitesiFiziki Coğrafya Ana Bilim Dalı
YRD. DOÇ. DR. ECMEL ERLAT
- An experimental study on small-sized specimens made of load bearing timber-glass composites
Ahşap-cam kompozit yapı elemanlarının küçük ölçekli numuneler düzeyinde deneysel bir inceleme
MORVARID DILMAGHANI
Yüksek Lisans
İngilizce
2015
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
YRD. DOÇ. DR. HALET ALMILA BÜYÜKTAŞKIN
- Antalya'da depolanmış ürün ve materyalde zararlı böcek ve akar türleri.Yayılışları ve habitatları üzerine araştırmalar.
Başlık çevirisi yok
YILDIRIM YANAROĞLU