Domates hastalıklarının sınıflandırılması için makine öğrenmesi ve derin öğrenme temelli yeni yaklaşımlar
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: HASAN ULUTAŞ
Danışman: Veysel Aslantaş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bitki hastalıklarının hızlı ve etkili bir şekilde tespit edilmesi ve sınıflandırılması, tarım ekonomisinin büyümesi ve istikrarı için oldukça önemlidir. Tespit ve analiz sürecinde teknolojinin kullanılması bu süreçlerin doğruluğunu ve güvenilirliğini arttırmaktadır. Bu tez çalışması kapsamında makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak domates yaprakları hastalıklarının tanımlanması ve sınıflandırılması gerçekleştirilmiştir. Bu amaçla literatürde var olan PlantVillage veri setine ek olarak özgün bir veri seti oluşturulmuştur. Bu veri setleri kullanılarak makine öğrenmesi sınıflandırıcıları, Evrişimli Sinir Ağı (ESA) modelleri ve topluluk öğrenmesi yöntemleri yardımıyla domates yaprağı hastalıklarının doğru bir şekilde tespiti gerçekleştirilmiştir. Kullanılan algoritmalar arasında Rastgele Orman algoritması ve yeni ESA mimarileriyle oluşturulan topluluk öğrenmesi modelleri sırasıyla %99,81, %99,60 ve %97,72 doğruluk oranları ile öne çıkmaktadır. Önerilen modeller için hiper parametre optimizasyonunda ızgara arama ve PSO algoritması yöntemlerinden faydalanılmış olup sonuçların güvenirliliğini arttırmak için çapraz doğrulama metodu kullanılmıştır. Çalışma ayrıca iki farklı gömülü sistem platformunda (Jetson Nano ve TX2) donanımsal olarak gerçekleştirilmiş olup sonuçları karşılaştırmalı olarak sunularak önerilen modellerin taşınabilir olduğu gösterilmiştir. Elde edilen bulgular, önerilen modellerin, domates bitki hastalıkları için otomatik bir tespit sistemi olarak güvenilirliğini göstermektedir.