Bitki hastalıklarının yapay zeka ile erken tespiti
Early detection of plant diseases with artificial intelligence
- Tez No: 955954
- Danışmanlar: PROF. DR. KEMAL ÖZKAN
- Tez Türü: Yüksek Lisans
- 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: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Tarım, insan yaşamının sürdürülebilirliği açısından temel bir sektör olup artan dünya nüfusu ve iklim değişiklikleri gibi etkenler nedeniyle sürdürülebilir üretim ve verimlilik için yeni teknolojilere olan ihtiyaç her geçen gün artmaktadır. Bitki hastalıklarının erken dönemde tespiti hem ürün kayıplarının önlenmesi hem de kimyasal ilaç kullanımının azaltılması bakımından büyük önem taşımaktadır. Bu tez çalışması kapsamında birbirinin aynısı iki iklim odası kurulmuş ve bu odalarda sağlıklı ve hastalık/zararlıya maruz kalan bitkilerden toplanan verilerle bir veri seti oluşturulmuştur. Yapılan çalışmada bitkilerin sağlığını izlemeye yönelik sensör verileri ve görüntü tabanlı analizlerin kullanıldığı bir yaklaşım geliştirilmiştir. Çalışma toprak sensörlerinden elde edilen sıcaklık, nem, pH ve elektriksel iletkenlik gibi zaman serisi verilerini kullanarak uzun-kısa vadeli bellek (Long Short-Term Memory, LSTM) yöntemi ile bitki hastalıklarının erken tanısını hedeflemektedir. Ayrıca bitkilere ait fotoğraflar kullanılarak renklerin yeniden yapılandırılmasına dayalı bir derin öğrenme modeli ile bitkilerde meydana gelebilecek anomalilerin tespiti amaçlanmıştır. Renklerin yeniden yapılandırılması amacıyla kullanılan derin öğrenme modelinin görsel kalite değerlendirilmesi için çeşitli metrikler uygulanmış ve modelin görsel ve yapısal başarı seviyesi ortaya konulmuştur. Daha önce eğitilmiş derin öğrenme modelleri transfer öğrenme tekniği ile iklim odalarından elde edilen bitki fotoğraflarının sınıflandırılmasında kullanılmıştır. Sınıflandırma işlemi için kullanılan farklı derin öğrenme modellerinin başarıları oluşturulan veri seti üzerinde karşılaştırılmıştır. Çalışmada bitkilerin hastalıklarının erken teşhisine yönelik zamansal verileri ve görüntü tabanlı analizlerin başarıyla kullanıldığı ve etkili sonuçlar elde edildiği görülmektedir.
Özet (Çeviri)
Agriculture is a fundamental sector for the sustainability of human life, and the need for new technologies to ensure sustainable production and productivity is increasing every day due to factors such as the growing global population and climate change. The early detection of plant diseases is of great importance in preventing crop losses and reducing the use of chemical pesticides. In this thesis, two identical climate chambers were established, and a dataset was created using data collected from plants exposed to diseases/pests and healthy plants in these chambers. In the study, an approach utilizing sensor data and image-based analysis to monitor plant health has been developed. The study aims to detect plant diseases early by using time-series data obtained from soil sensors, including temperature, humidity, pH, and electrical conductivity, with a Long Short-Term Memory (LSTM) method. Additionally, a deep learning model based on color reconstruction has been used to detect anomalies in plants by using images of the plants. The deep learning model used for color reconstruction has been evaluated in terms of visual quality, and both its visual and structural success levels have been determined using various metrics. Pre-trained deep learning models have been applied to classify plant images obtained from the climate chambers using the transfer learning technique. The performance of different deep learning models used for classification has been compared on the dataset created. The results show that time-series data and image-based analysis were successfully used for early detection of plant diseases, achieving effective results.
Benzer Tezler
- Tarımsal ortamlarda bitki hastalıklarının gerçek zamanlı tespiti için yapay zekâ tabanlı melez algoritma tasarımı
Design of an artifical intelligence based hybrid algorithm for real-time detection of plant diseases in agricultural environments
İLAYDA YAĞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTAÇ ALTAN
- Görüntü işlemenin Convolutional Neural Network (CNN) modeli kullanılarak tarımsal alanda uygulanması: Hastalıklı yaprak tespiti
Application of image processing in agriculture using the Convolutional Neural Network (CN) model: Leaf disease detection
BETÜL KARAOĞLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET TAHİR GÜNEŞER
DR. ÖĞR. ÜYESİ İSA AVCI
- Görüntü işleme tabanlı bitki türleri ve hastalıkları tanıma
Image processing based plant species and diseases recognition
MUAMMER TÜRKOĞLU
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
- 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
- Domateste yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması
Classification of common diseases in tomatoes using deep learning methods
ADNAN MOHAMMAD ANWER SHAKARJI
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADEM GÖLCÜK