Hastalıklı Yaprak Tespiti

  • Eser Sahibi Oğuz Kuru
  • Tez Danışmanı Aytuğ Onan
  • Tür Diğer
  • Yayın Tarihi 2023
  • Yayıncı İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü
  • Tek Biçim Adres https://hdl.handle.net/11469/3471
  • Konu Başlıkları Derin Öğrenme
    CNN

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.

Erişime Açık
Görüntülenme
3
14.07.2023 tarihinden bu yana
İndirme
2
14.07.2023 tarihinden bu yana
Son Erişim Tarihi
17 Nisan 2024 17:05
Google Kontrol
Tıklayınız
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
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
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve çerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms