Yazar "TOLGA HAYIT" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Öğe
    Buğdayda sarı pas (Puccinia striiformis) hastalığının değerlendirilmesi için görüntü ı̇şleme teknikleri kullanılarak bir karar destek sisteminin geliştirilmesi
    (Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control, 2021) TOLGA HAYIT
    Buğdayda sarı pas hastalığı (Puccinia striiformis) son derece tahribat özelliğinden dolayı, dünya çapında buğday üretiminde önemli ekonomik kayıplara neden olmaktadır. Esasında, buğday yetiştiriciliği alanlarında hastalıkların görülme şiddetine göre farklı düzeylerde verim ve kalite kayıpları oluşabilmekte ve buna bağlı olarak da ekonomik zararlar meydana gelmektedir. Başta Orta Anadolu olmak üzere üretim alanlarında görülen, verim artışını engelleyen ve kalitenin düşmesine neden olan bazı önemli fungal hastalık etmenleri bilinmektedir. Bunların başında Sarı pas hastalığı gelmektedir. Bu hastalık buğdayın verim ve kalitesini sınırlayan önemli faktörler arasındadır. Bu yüzden tarla koşullarında sarı pas hastalığının tespit ve teşhis çalışmalarının sağlıklı bir şekilde sürdürülebilmesi önem arz etmektedir. Sarı pas, buğday yapraklarında çeşitli enfeksiyon türleri ile kendini göstermektedir. Hastalığın enfeksiyon derecesi, kullanılan buğdayın türü, üretim alanlarındaki iklim ve hava koşulları, bitkiyi korumak için kullanılan kimyasallar gibi çeşitli faktörlere bağlıdır. Bu kriterler, araştırmacılara ve üreticilere hastalığa karşı olası eylemleri gerçekleştirebilmeleri ve sonraki dönem için yeterli önlemleri alabilmeleri bakımından gerekli bilgiyi sağlamaktadır. Bununla birlikte, tarla koşullarında hastalığın şiddetinin sınıflandırılması işlemi, alanında uzmanlar tarafından görsel inceleme ile belirli standartlara göre gerçekleştirilir. Hastalığın şiddetinin doğru bir şekilde belirlenememesi üretimde ileriki aşamalarda sorun yaratabilmektedir. Bu tez çalışması, sarı pas hastalığının incelenmesi için özel olarak ayrılmış tarla ortamından alınan buğday yaprak görüntülerinin 6 çeşit enfeksiyon türü kategorisinde sınıflandırılabilmesi için doku analizi yöntemleri, özellik çıkarımında derin ve yapısal yöntemlerin kombinasyonunu içeren yeni hibrit bir yöntem ve tamamen derin öğrenmeye dayalı yaklaşımları tartışmaktadır. Hibrit öznitelikler geleneksel metotlardan ve derin öğrenme tabanlı modellerden elde edilen özniteliklerin bir araya getirilmesiyle ile elde edilmiş ve sınıflandırmada doku analizinde başarısı kanıtlanmış metotlar işe koşulmuştur. Derin öznitelikler için önceden eğitilmiş DenseNet-201 ağı kullanılmıştır. Farklı renk uzaylarının renk verilerinden de faydalanılmıştır. Hibrit özelliklere dayalı sınıflandırmada %91,7 doğruluk başarısı elde edilmiştir. Diğer yandan aynı veri seti kullanılarak tamamen derin öğrenmeye dayalı sınıflandırmada literatürde yer alan önceden eğitilmiş farklı ağlar test edilmiştir ve doğruluk oranları belirlenmiştir. Üç farklı ağ üzerinden gerçekleştirilen denemelerde %91 ortalama doğrulukla en iyi performans Xception modeli ile elde edilmiştir. Çalışmada önerilen yöntemler benzer veri setleri ile yapılabilecek sınıflandırma çalışmaları için temel oluşturmakla birlikte sektörde hastalığın erken teşhisi ve önlenmesi doğrultusunda umut vericidir.