Bu çalışmada CNN model kullanılarak veri setinde bulunan bitki türleri üzerindeki hastalıklar ve hastalık türleri tespit edilmeye çalışılmıştır. Aynı zamanda hastalıklı yaprak ve sağlıklı yaprak fark edilmeye çalışılmıştır. Derin öğrenme modeli ve görüntülerin işlenmesi için Python programlama dili kullanılmıştır. Veri seti https://www.kaggle.com/datasets/emmarex/plantdisease adresinden alınmıştır. Bu veri 54305 adet resimden oluşmaktadır. Resimler 14 bitki türü ve bitki türleri üzerindeki hastalıklarla beraber 38 sınıftan oluşmaktadır. Resimler ilk olarak Python dili kullanılarak belli ön işlemlerden geçirilip yapay zekâ eğitimi için hazırlanmıştır. Daha sonra hazırlanan veriler https://tfhub.dev/google/cropnet/feature_vector/cassava_disease_V1/1 adresinden alının hazır CNN modeli üzerinde transfer learning tekniği kullanılarak eğitilmeye çalışılmıştır. En sonun da çıkan sonuçlar yapay zekâ değerlendirme teknikleri ile değerlendirilerek modelin başarı değeri elde edilmiştir.
Eser Adı (dc.title) | Hastalıklı Yaprak Tespiti |
Eser Sahibi (dc.contributor.author) | Oğuz Kuru |
Tez Danışmanı (dc.contributor.advisor) | Aytuğ Onan |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Tür (dc.type) | Diğer |
Açıklama (dc.description) | Yüksek Lisans Bitirme Projesi |
Özet (dc.description.abstract) | Bu çalışmada CNN model kullanılarak veri setinde bulunan bitki türleri üzerindeki hastalıklar ve hastalık türleri tespit edilmeye çalışılmıştır. Aynı zamanda hastalıklı yaprak ve sağlıklı yaprak fark edilmeye çalışılmıştır. Derin öğrenme modeli ve görüntülerin işlenmesi için Python programlama dili kullanılmıştır. Veri seti https://www.kaggle.com/datasets/emmarex/plantdisease adresinden alınmıştır. Bu veri 54305 adet resimden oluşmaktadır. Resimler 14 bitki türü ve bitki türleri üzerindeki hastalıklarla beraber 38 sınıftan oluşmaktadır. Resimler ilk olarak Python dili kullanılarak belli ön işlemlerden geçirilip yapay zekâ eğitimi için hazırlanmıştır. Daha sonra hazırlanan veriler https://tfhub.dev/google/cropnet/feature_vector/cassava_disease_V1/1 adresinden alının hazır CNN modeli üzerinde transfer learning tekniği kullanılarak eğitilmeye çalışılmıştır. En sonun da çıkan sonuçlar yapay zekâ değerlendirme teknikleri ile değerlendirilerek modelin başarı değeri elde edilmiştir. |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2023-07-14 |
Açık Erişim Tarihi (dc.date.available) | 2023-07-14 |
Yayın Tarihi (dc.date.issued) | 2023 |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/3471 |
Yayın Dili (dc.language.iso) | tr |
Konu Başlıkları (dc.subject) | Derin Öğrenme |
Konu Başlıkları (dc.subject) | CNN |