Determination of the effectiveness of artificial intelligence models in detecting maize leaf diseases
Mısır yaprak hastalıklarının tespitinde yapay zeka modellerinin etkinliğinin saptanması
- Tez No: 958935
- Danışmanlar: DR. ÖĞR. ÜYESİ ERKUT TEKELİ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Mısır, stratejik bir tarım ürünü olarak gıda ve yem kaynağı açısından büyük öneme sahiptir; ancak yaprak hastalıkları, üretimde önemli kayıplara neden olmaktadır. Geleneksel teşhis yöntemlerinin zaman alıcı ve hata oranı yüksek olması, tarımda yenilikçi çözümler arayışını hızlandırmıştır. Bu çalışmada, Evrişimsel Sinir Ağları (CNN) kullanılarak mısır yaprak hastalıklarının otomatik teşhisi incelenmiştir. Kaggle'dan alınan ve hastalıklı ile sağlıklı yaprak görüntülerini içeren veri seti, %80 eğitim, %10 Validation ve %10 Test oranında ayrılarak farklı CNN modellerinin performansları karşılaştırılmıştır. ConvNeXt modeli %96 doğruluk oranıyla en yüksek performansı sergilerken, DenseNet %95 ve EfficientNet %94 doğruluk oranları ile onu takip etmiştir. MobileNet, %92 doğruluk oranı ve düşük hesaplama maliyetiyle öne çıkmıştır. Sonuçlar, modern CNN mimarilerinin eski nesil modellere kıyasla daha yüksek doğruluk ve verim sağladığını göstermektedir. Derin öğrenme teknolojilerinin tarımsal uygulamalarda kullanımı, hastalık teşhisinde etkin ve güvenilir çözümler sunarak tarım sektöründe önemli bir potansiyel taşımaktadır.
Özet (Çeviri)
Maize is a strategic agricultural product that is of great importance as a source of food and feed; however, leaf diseases cause significant losses in production. The time-consuming nature and high error rate of traditional diagnostic methods have accelerated the search for innovative solutions in agriculture. In this study, the automatic diagnosis of Maize leaf diseases using Convolutional Neural Networks (CNN) was investigated. The dataset obtained from Kaggle, containing images of diseased and healthy leaves, was divided into 80% training, 10% validation, and 10% test sets to compare the performance of different CNN models. The ConvNeXt model demonstrated the highest performance with a 96% accuracy rate, followed by DenseNet with 95% and EfficientNet with 94% accuracy rates. MobileNet stood out with a 92% accuracy rate and low computational cost. The results show that modern CNN architectures provide higher accuracy and efficiency compared to older models. The use of deep learning technologies in agricultural applications holds significant potential in the agricultural sector by offering effective and reliable solutions for disease diagnosis.
Benzer Tezler
- Panoramik radyografide teşhis edilen lezyonların otomatik tanısında yapay zeka programının etkinliği
Effectiveness of an artificial intelligence program in the automatic diagnosis of lesions detected in panoramic radiographs
ZARİF ECE HAMMUDİOĞLU
Diş Hekimliği Uzmanlık
Türkçe
2025
Diş HekimliğiHatay Mustafa Kemal ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. CEREN AKTUNA BELGİN
- Derin öğrenme yöntemi kullanılarak geliştirilen yapay zekâ uygulamasıyla çocuklardan alınan panoramik radyografilerde çürük dişlerin tespiti
Determination of caries teeth in panoramic radiographs taken from children with artificial intelligence developed by using deep learning method
ESRA AŞÇI
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiAtatürk ÜniversitesiPedodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MÜNEVVER KILIÇ
- Farklı klinik ışıkları altında kaydedilen dental fotoğraflara ait diş renklerinin yapay zekâ teknikleri kullanılarak tespiti
Detection of tooth colors of dental photographs recorded under different clinic lights using artificial intelligence techniques
ESRA EFİTLİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH AMMAR KARCIOĞLU
- Elektrikli araç motorlarında mekanik arızaların derin öğrenme ile tespiti için yeni bir yöntemin geliştirilmesi
Development of a new method for the detection of mechanical faults in electric vehicle motors with deep learning
EYUP SÖNMEZ
Doktora
Türkçe
2024
Mekatronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEZGİN KAÇAR
- Air-to-ground target classification and heading angleestimation using radar range profiles
Radar menzıl profı̇llerı̇nı̇ kullanarak havadan yere hedef sınıflandırma ve yön açısı kestı̇rı̇mı̇
MURAT KÖKÇÜ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK