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: Bitki hastalıkları, Derin öğrenme, Görüntü işleme, Yapay zeka, Plant diseases, Deep learning, Image processing, Artificial intelligence
- 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: Belirtilmemiş.
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
- Yapay sinir ağları ile bitki hastalıklarının teşhisi
Diagnosis of plant diseases with artificial neural networks
HALUK TANRIKULU
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT HÜSNÜ SAZLI
- Bitki hastalıklarının tespitinde geleneksel makine öğrenmesi ve derin öğrenme yöntemlerinin başarım karşılaştırması
Performance comparison of traditional machine learning and deep learning methods in plant disease detection
MUSA ÇETİNKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT ÇİĞDEM TURHAL
- Görüntü işleme tabanlı bitki türleri ve hastalıkları tanıma
Image processing based plant species and diseases recognition
MUAMMER TÜRKOĞLU
Doktora
Türkçe
2019
Bilim ve Teknolojiİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
- Transfer öğrenme tabanlı açıklanabilir derin öğrenme yöntemleri kullanılarak bitki hastalıklarının sınıflandırılması
Classification of plant diseases using transfer learning-based explainable deep learning methods
AHMET ENES KILIÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KARAKOYUN
- 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