Classification of pepper leaf diseases using VGG16.NET
Biber yaprağı hastalıklarının VGG16.NET kullanılarak sınıflandırılması
- Tez No: 963948
- Danışmanlar: DR. ÖĞR. ÜYESİ AMİRA TANDİROVİÇ GÜRSEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Tarım, insan yaşamını sürdürebilmek ve ulusların kalkınmasını ve verimliliğini desteklemek için en önemli kaynaklardan biridir. Artan sebze ve meyve taleplerini karşılamak için üretim verimliliğini artırmaya yönelik araştırmalar yapılması ve önleyici tedbirler alınması hayati önem taşımaktadır. Bu tedbirler arasında bitki hastalıklarının ele alınması öncelikli bir konudur. Bitki hastalıklarının tanınması ve teşhis edilmesi, tarımsal verimliliğin artırılması, hastalıkların yayılmasının önlenmesi ve ekonomik kayıpların en aza indirilmesi açısından kritik bir öneme sahiptir. Bu çalışma, biber yaprağı hastalıklarını sınıflandırmayı ve teşhis etmeyi hedeflemekte, böylece bu hastalıkların etkilerini azaltmak için erken müdahale imkanı sağlamaktadır. Küf, akar, tırtıl, kurt, yaprak biti ve yaprak yanıklığı gibi hastalıklar, özellikle seralarda yetiştirilen biberlerin yapraklarını etkileyerek karakteristik izler bırakmaktadır. Bu belirgin özellikler, biber yaprağı hastalıklarının daha hızlı ve doğru teşhisini sağlayan 7 sınıflı bir sınıflandırma modelinin geliştirilmesinde temel alınmıştır. Geleneksel doğrudan ölçüm yöntemleri basit ve güvenilir olsa da genellikle zaman alıcı ve emek yoğun olmaktadır. Bu sınırlamaların üstesinden gelmek için görüntü işleme konusunda Evrişimli Sinir Ağı (CNN) algoritmaları kullanılmaktadır. Ana ön işleme adımı, yeşil ve sarı tonlarındaki farklılıkları artırarak hastalık sınıfları arasındaki ayrımı kolaylaştırmak için renk geliştirme işlemini içermektedir. Görüntülerin canlılığını, kontrastını ve genel renk özelliklerini iyileştiren yenilikçi bir algoritma tasarlanmıştır. Sınıflandırma süreci, karmaşık veri setleriyle yüksek doğruluk oranı elde etmesiyle tanınan 19 katmanlı VGGNet mimarisi ile gerçekleştirilmiştir. Eğitim süresini kısaltmak için VGGNet'in önceden eğitilmiş katmanları dondurulmuş ve modelin ince ayarı için ek katmanlar eklenmiştir. Önerilen model, bu çalışma için özel olarak derlenmiş bir veri seti üzerinde test edilmiştir. Bildiğimiz kadarıyla, bu çalışma yaprak biti ve tırtıl sınıflarının teşhisine odaklanan ilk çalışmadır. Model, 7 sınıflı teşhis görevi için oldukça tatmin edici bir performans olarak kabul edilen %92.00 ortalama doğruluk oranına ulaşmıştır. Yanlış sınıflandırmaların ana kaynağı, yaprak biti sınıfında, eğitim için kullanılan örneklerin sınırlı sayıda olmasından kaynaklanmaktadır.
Özet (Çeviri)
Agriculture is one of the most essential resources for sustaining human life and fostering the development and productivity of nations. To meet increasing demands for vegetables and fruits, it is imperative to conduct research and implement preventive measures to enhance production efficiency. Among these measures, addressing plant diseases stands out as a top priority. Recognizing and diagnosing plant diseases is critical for improving agricultural productivity, preventing the spread of infections, and minimizing economic losses. This study aims to classify and diagnose pepper leaf diseases, enabling early intervention to mitigate their impact. Diseases such as mildew, mites, caterpillars, worms, aphids, and leaf burn predominantly affect greenhouse peppers, leaving distinctive marks on their leaves. These unique features form the basis for developing a 7-class classification model that facilitates faster and more accurate diagnosis of pepper leaf diseases. While traditional direct measurement methods are straightforward and reliable, they are often time-consuming and labor-intensive. To overcome these limitations, Convolutional Neural Network (CNN) algorithms for image processing have been employed. A key preprocessing step involves color enhancement to amplify variations in green and yellow hues, improving the differentiation between disease classes. An innovative algorithm has been designed to enhance the vibrancy, contrast, and overall color properties of the images, ensuring optimal feature extraction. The classification process leverages the 19-layer VGGNet architecture, renowned for its high accuracy in handling complex datasets. To reduce training time, the pre-trained layers of VGGNet were frozen, and additional layers were added for fine-tuning. The proposed model was evaluated on a proprietary dataset specifically compiled for this study. To the best of our knowledge, this is the first study to focus on diagnosing aphid and caterpillar classes within this context. The model achieved an average accuracy of 92.00%, considered highly satisfactory for a 7-class diagnostic task. The primary source of misclassification was observed in the aphid class, attributed to the limited number of samples available for training.
Benzer Tezler
- İsot yapraklarından alınan spektral yansımalardan hastalıkların erken teşhisi
Early diagnosis of diseases from spectra reflections from pepper leaf
KERİM KARADAĞ
Doktora
Türkçe
2017
Elektrik ve Elektronik MühendisliğiHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN TAŞALTIN
- 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
- Image leaf classification for plant diseases detection using grey wolf optimization technique
Başlık çevirisi yok
AMENAH NAZAR JABBAR JABBAR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- Comparative analysis of deep neural network architecture: A case study of plant leaf disease classification
Başlık çevirisi yok
FATIMAH KHALID HASAN AL-HEETI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- Turgor basıncına dayalı teknikle biberde su stresinin gerçek zamanlı olarak izlenmesi
Real time monitoring of water stress using technique based on Turgor pressure
AHMET BORAN
Yüksek Lisans
Türkçe
2019
ZiraatÇanakkale Onsekiz Mart ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
DOÇ. DR. GÖKHAN ÇAMOĞLU