Bitki yapraklarındaki hastalıkların derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Malatya Turgut Özal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Dünya nüfusunun her geçen gün artması ile birlikte gıdaya olan ihtiyaç da bununla birlikte paralel bir şekilde artmaktadır. Bu nedenle tarıma duyulan ihtiyacın artmasıyla mahsul veriminin kalitesinin artırılması ve iyileştirilmesi önemli bir ilgi alanıdır. Bitkiler bir hastalıkla karşılaşması durumunda elde edilecek mahsulün miktarı ve kalitesinde azalma gerçekleşmesiyle birlikte verim düşecektir. Bu bakımdan, bitkilerden elde edilen ürünlerin kaliteli olması, bitkilerin hastalıklardan korunmasına bağlıdır. Bitkide hastalık meydana geldiğinde ise hastalığın erkenden tespitinin yapılabilmesi ve bitkinin tedavi edilebilmesi çok önemli bir gereklilik olup bu sayede bitkiden elde edilecek ürün verimi kalitesinin düşmesinin önüne geçilebilmiş olunacaktır. Bu çalışmada hastalıkların erken aşamada tespit edilmesi amacıyla son yıllarda oldukça popüler olan derin öğrenme tabanlı modeller ve çeşitli halka açık veri setleri kullanılarak sınıflandırma yapılmıştır. Tarım teknolojisindeki gelişmeler ve bitki hastalıklarının teşhisinde yapay zekânın kullanılmasıyla, sürdürülebilir tarımsal kalkınma için uygun araştırmaların yapılması gittikçe önemli hale gelmektedir. Bitkilerdeki hastalıkların erken tespit edilmesi ve elde edilecek ürün miktarının artırılmasına yönelik yapılacak bir çalışma önemlidir. Çünkü hastalığın bir uzman ya da çiftçiler tarafından çıplak gözle veya laboratuvar testleri gibi geleneksel sınıflandırma yöntemleriyle teşhis edilmesi zor ve yanıltıcı olabileceğinden ve aynı zamanda zaman alıcı, maliyetli ve öznel olması gibi birçok sınırlaması olduğundan dolayı bitki hastalıklarının derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması hızlı ve doğru bir yöntem sunmaktadır. Bu amaçla bitki yapraklarındaki hastalıkların erken tespit edilebilmesi için literatürde kabul gören derin öğrenme mimarileri kullanılmıştır. Ayrıca daha başarılı sonuçlar elde etmek için yeni bir model geliştirilmiştir. ANAHTAR KELİMELER: Bitki Hastalıkları, Derin Öğrenme, Görüntü İşleme, Evrişimli Sinir Ağı, Sınıflandırma, Yapay Zeka
With the increase in the world population day by day, the need for food also increases in parallel. For this reason, it is an important area of interest to increase and improve the quality of crop yield with the increase in the need for agriculture. If the plants encounter a disease, the yield will decrease with the decrease in the amount and quality of the crop to be obtained. In this regard, the quality of products obtained from plants depends on the protection of plants from diseases. When a disease occurs in the plant, early detection and treatment of the disease is an essential requirement, and thus, the decrease in the quality of the product to be obtained from the plant will be prevented. In this study, classification was made using deep learning-based models and various publicly available datasets, which have been very popular in recent years, in order to detect diseases at an early stage. With the advances in agricultural technology and the use of artificial intelligence in the diagnosis of plant diseases, it is becoming increasingly important to conduct appropriate research for sustainable agricultural development. A study to detect diseases in plants early and to increase the amount of product to be obtained is important. Because it can be difficult and misleading to detection the disease by an expert or a farmer with traditional classification methods such as naked eye or laboratory testing, and also because it has many limitations, such as time-consuming, costly and subjective, it provides a quick and accurate way to detect and classify plant diseases using deep learning methods. For this purpose, deep learning architectures accepted in the literature were used to detect diseases in plant leaves early. In addition, a new model has been developed to achieve more successful results. KEYWORDS: Plant Diseases, Deep Learning, Image Processing, Convolutional Neural Network, Classification, Artificial Intelligence
With the increase in the world population day by day, the need for food also increases in parallel. For this reason, it is an important area of interest to increase and improve the quality of crop yield with the increase in the need for agriculture. If the plants encounter a disease, the yield will decrease with the decrease in the amount and quality of the crop to be obtained. In this regard, the quality of products obtained from plants depends on the protection of plants from diseases. When a disease occurs in the plant, early detection and treatment of the disease is an essential requirement, and thus, the decrease in the quality of the product to be obtained from the plant will be prevented. In this study, classification was made using deep learning-based models and various publicly available datasets, which have been very popular in recent years, in order to detect diseases at an early stage. With the advances in agricultural technology and the use of artificial intelligence in the diagnosis of plant diseases, it is becoming increasingly important to conduct appropriate research for sustainable agricultural development. A study to detect diseases in plants early and to increase the amount of product to be obtained is important. Because it can be difficult and misleading to detection the disease by an expert or a farmer with traditional classification methods such as naked eye or laboratory testing, and also because it has many limitations, such as time-consuming, costly and subjective, it provides a quick and accurate way to detect and classify plant diseases using deep learning methods. For this purpose, deep learning architectures accepted in the literature were used to detect diseases in plant leaves early. In addition, a new model has been developed to achieve more successful results. KEYWORDS: Plant Diseases, Deep Learning, Image Processing, Convolutional Neural Network, Classification, Artificial Intelligence
Açıklama
Lisansüstü Eğitim Enstitüsü, Enformatik Ana Bilim Dalı, Bilgisayar Mühendisliği Bilim Dalı
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
