Detection of tomato diseases using top-view dataset with deep learning
Derin öğrenme kullanılarak üstten görünümlü veri seti üzerinde domates hastalıklarının tespiti
- Tez No: 971364
- Danışmanlar: PROF. DR. RİFAT EDİZKAN, DOÇ. DR. HASAN SERHAN YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Domates (Solanum lycopersicum), dünya genelinde yaygın olarak tüketilen ve ekonomik değeri yüksek stratejik bir tarım ürünüdür. Ancak üretimi, çeşitli bitki hastalıklarından kaynaklanan tehditlerle karşı karşıyadır. Özellikle son yıllarda hızla yayılan Domates Kahverengi Rugoz Meyve Virüsü (ToBRFV), ticari domates üretimi açısından ciddi bir risk oluşturmaktadır. Bu virüsle enfekte olan bitkilerin erken dönemde teşhis edilmesi; yayılımın önlenmesi, ürün kayıplarının azaltılması ve sürdürülebilir tarım uygulamalarının desteklenmesi açısından kritik öneme sahiptir.Bu kapsamda hazırlanan çalışmada, ToBRFV enfeksiyonunun ticari domates bitkilerinde erken tespiti amacıyla derin öğrenme tabanlı bir görüntü sınıflandırma modeli geliştirilmiştir. Eskişehir Osmangazi Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi tarafından desteklenen FOA-2023-2587 numaralı proje kapsamında, sera koşullarında 40 sağlıklı ve 45 ToBRFV aşılı bitki yetiştirilmiş; üstten görünümlü RGB video kayıtları 30 gün boyunca alınmıştır. Bu videolardan seçilen kareler segmentasyon yöntemiyle işlenerek sınıflandırmaya hazır hale getirilmiştir. Elde edilen veri kümesi %60 eğitim, %20 doğrulama ve %20 test olarak ayrılmıştır. ToBRFV virus tespiti için VGG16, ResNet50, InceptionV3, MobileNetV2, Xception ve DenseNet169 CNN modelleri kullanılmıştır. Bu modeller aynı koşullarda eğitilmiş ve test edilmişlerdir. Deneysel çalışmada en başarılı sonuç, %98,30 doğruluk ve yüksek tutarlılık oranları ile DenseNet169 modelinden elde edilmiştir. Geliştirilen bu sistem, yalnızca domates için değil, diğer bitki türleri ve hastalıklar için de uyarlanabilir nitelikte olup akıllı tarım teknolojilerine katkı sağlayacak ölçeklenebilir bir çözüm sunmaktadır.
Özet (Çeviri)
Tomato (Solanum lycopersicum) is a strategic agricultural product with high economic value and widely consumed worldwide. However, its production faces threats from various plant diseases. Tomato Brown Rugose Fruit Virus (ToBRFV), which has spread rapidly in recent years, poses a serious risk to commercial tomato production. Early detection of plants infected with this virus is critical for preventing the spread, reducing crop losses and supporting sustainable agricultural practices. In this study, a deep learning-based image classification model was developed for the early detection of ToBRFV infection in commercial tomato plants. Within the scope of the project numbered FOA-2023-2587 supported by Eskişehir Osmangazi University Scientific Research Projects Coordination Unit, 40 healthy and 45 ToBRFV inoculated plants were grown in greenhouse conditions; top view RGB video recordings were taken for 30 days. The frames selected from these videos were processed by segmentation method and made ready for classification. The dataset obtained was divided into 60% training, 20% validation and 20% testing. VGG16, ResNet50, InceptionV3, MobileNetV2, Xception and DenseNet169 CNN models were used for ToBRFV virus detection. These models were trained and tested under the same conditions. In the experimental study, the most successful result was obtained from the DenseNet169 model with 98.30% accuracy and high consistency rates. The developed system is adaptable not only for tomato but also for other plant species and diseases and offers a scalable solution that will contribute to smart agricultural technologies.
Benzer Tezler
- Fitoplazmaların kantitatif tespiti için droplet dijital PZR (DDPZR) tekniğinin geliştirilmesi
Development of droplet digital PCR (DDPZC) technic for quantitative detection of phytoplasmas
YİĞİT SABRİ ÜNLÜ
- Evrişimli sinir ağları ile domates yaprak hastalığı sınıflandırması
Classification of tomato leaf diseases using convolutional neural networks
ERDİN FİDAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHİR KAYA
- Yapay zeka ile domates hastalıklarının tespiti ve sınıflandırılması
Detection and classification of tomato diseases with artificial intelligence
BUĞRA GÜZEL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSAN OKATAN
- Doğu Akdeniz bölgesi'nde iyi tarım uygulaması yapılan örtü altı domates üretiminde virüs hastalıklarının araştırılması
Investigation on virus diseases in tomato production in greenhouses using the good agricultural practices-gaps in the East Mediterranean region of Turkey
SANİYE TUĞÇE BAYDAR
Yüksek Lisans
Türkçe
2016
ZiraatMustafa Kemal ÜniversitesiBitki Koruma Ana Bilim Dalı
PROF. DR. GÜLŞEN SERTKAYA
- Comparison of artificial intelligence techniques for the detection of pest diseases in agriculture
Yapay zeka tekniklerinin karşılaştırılması tarımda zararlı hastalıkların tespitinde
SAFA MOHAMED HASSAN ABUDABBOUS
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiOstim Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ALİ METİN BALCI