DERİN ÖĞRENME YÖNTEMLERİ İLE BİTKİ SINIFLANDIRMA

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: BURAK DUMAN

Danışman: Recep Eryiğit

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bitki hastalıklarının çoğu zaman gözle görülebilir semptomlar gösterir ve günümüzde kabul edilen teknik, deneyimli bir bitki patoloğunun hastalığı, enfekteli bitki yapraklarını sadece gözlem yoluyla teşhis eder. Hastalık tanı sürecinin sadece gözle gözlem yapılması, zaman kaybı ve tanı başarısının patoloğun yetenekleriyle orantılı olduğu gerçeği, bu sorunun bilgisayar destekli tanı sistemleri için mükemmel bir uygulama alanı haline getirmektedir. Başarılı sonuçlara hızlı ve güvenilir ulaşmak için manuel öznitelik çıkarmanın kusursuz olması gereken klasik makine öğrenmesi yöntemleri yerine, ön işleme gerek duymayan ve başarılı bir sınıflandırma yapabilen bir modele ihtiyaç vardır. Bu çalışmada, bitki yaprak hastalıkları sınıflandırmasında derin öğrenme mimarileri incelenmiş ve bu konudaki önerilen modellerden olan Resnet50V2 ve MobileNet performansı karşılaştırılmıştır. Modelleri eğitmek için Kaggle üzerinden yayınlanan elma yaprakları veri seti kullanıldı. İki model için de aynı veri seti ve bilgisayar üzerinden işlem yapılmıştır. Resnet50V2'nin bu yapılan araştırmada MobileNet modeline göre daha iyi sonuç aldığı görülmüştür.