Tomato fruıt dıseases classıfıcatıon usıng mobılenetv2
Mobilenetv2 kullanarak domates meyve hastalıklarının sınıflandırılması
- Tez No: 975503
- Danışmanlar: DR. LECTURER SELÇUK ŞENER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: MobileNetV2, Derin Öğrenme, Domates Meyvesi Hastalıkları, CNN, MobileNetV2, Deep Learning, Tomato fruit diseases, CNN
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Domates üretimi, dünya genelindeki gıda sisteminin ayrılmaz bir parçasıdır ve birçok bölgede hem temel besin değeri sağlaması hem de ekonomik faaliyetlere katkı sunması açısından büyük öneme sahiptir. Ancak bu ürün, hem verimi hem de kaliteyi tehdit eden çeşitli meyve hastalıklarına karşı oldukça hassastır. Bu tür hastalıklar genellikle ancak ileri evrelere ulaştıklarında fark edilir ve bu da çiftçiler için büyük kayıplara yol açar. Elle yapılan kontroller zaman alıcı, hataya açık ve büyük ölçekli tarım için yetersizdir. Bu nedenle, domates meyvesi hastalıklarını erken dönemde doğru şekilde tanımlayabilen, sınıflandırabilen ve teşhis edebilen otomatik, akıllı sistemlere olan ihtiyaç giderek artmaktadır. Bu araştırma makalesinde, hız ve performans açısından optimize edilmiş, hafif bir evrişimli sinir ağı (CNN) mimarisi olan MobileNetV2'ye dayalı derin öğrenme tabanlı bir çözüm önerilmiştir. Model, dört yaygın hastalık kategorisini temsil eden domates meyvesi görüntülerinden oluşan özenle seçilmiş bir veri kümesi üzerinde eğitilmiştir. Görüntü verileri, Çiçek Burnu Çürüklüğü (Blossom End Rot), Güneş Yanığı (Sunscald), Çatlama (Cracking) ve Yarılma (Splitting) gibi etiketlere sahiptir. Modelin dayanıklılığını ve genellenebilirliğini artırmak amacıyla yeniden boyutlandırma, normalizasyon ve veri artırma gibi ön işleme teknikleri uygulanmıştır. Bahsi geçen sistem, %98 eğitim doğruluğu ve %91 test doğruluğu elde ederek, domates meyvesi hastalıklarını yüksek hassasiyetle sınıflandırmada oldukça etkili olduğunu ortaya koymuştur. Hafif mimarisi sayesinde, sınırlı bilgi işlem kaynaklarının bulunduğu ortamlarda gerçek zamanlı tarımsal uygulamalarda kullanılmaya uygundur. Bu çalışma, MobileNetV2 mimarisinin, hastalıkları tespit etmede ölçeklenebilir ve kolay erişilebilir bir araç olarak akıllı tarım uygulamalarına ve daha iyi ürün yönetimine katkı sağlayabileceğini ortaya koymaktadır.
Özet (Çeviri)
The production of tomatoes is an integral part of global food system, which provides essential nutritional value and enjoyment for economic activity in many parts of the world. However, the crop itself is very susceptible to several fruit diseases that threaten both rate and quality. Such diseases often escape notice until they have developed into advanced stages causing great loss to farmers. Manual inspections are time-consuming, error-prone and ineffective for large-scale farming. Consequently, there is an increasing demand for automated, intelligent systems capable of accurately identifying, classifying and diagnosing tomato fruit diseases early on. In this research paper, a deep learning-based solution was proposed that adopts the MobileNetV2 architecture, a lightweight convolutional neural network (CNN) optimized for speed and performance. The model was trained on a curated dataset of tomato fruit images representing four common disease categories. The image data had labels such as Blossom End Rot, Sunscald, Cracking and Splitting. Data preprocessing techniques such as resizing, normalization and augmentation were employed to improve the robustness and generalization of the model. The system under discussion achieved a training accuracy of 98% and a test accuracy of 91%, indicating it is very effective in classifying tomato fruit diseases with high precision. The lightweight architecture makes it suitable for real-time agricultural applications under conditions of limited computing resources. This study proves the potential of MobileNetV2 as a scalable, easily accessible tool for detecting diseases which is conducive to smarter farming practices and better crop management.
Benzer Tezler
- Detection of tomato diseases using top-view dataset with deep learning
Derin öğrenme kullanılarak üstten görünümlü veri seti üzerinde domates hastalıklarının tespiti
FIRAT KANAT
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RİFAT EDİZKAN
DOÇ. DR. HASAN SERHAN YAVUZ
- Domates bitkisinde ToBRFV hastalığının derin öğrenme yöntemleriyle erken tespiti
Early detection of ToBRFV disease in tomato plants using deep learning methods
FEYZA YILMAZ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RİFAT EDİZKAN
- 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
- Tomato brown rugose fruıt vırus ((ToBRFV)'ün tohum üzerinde taşınma oranı, taşınma yeri ve eradikasyon işlemleri
Transmission rate, location and eradication processes of Tomato brown rugose fruit virus on seed
DAMLA ULUSOY
- Domates ve biber bitkilerinde görülen tomato brown rugose fruıt virus (ToBRFV), tomato spotted wilt virus (TSWV) ve pepıno mosaıc virus (PepMV) hastalık etmenlerine karşı multipleks primer ve prob geliştirilmesi
Development of multiplex primer and probe against tomato brown rugose fruit virus (ToBRFV), tomato spotted wilt virus (TSWV) and pepino mosaic virus (PepMV) disease factors in tomato and pepper plants
HAVVA NUR CAYAK