Tez No	İndirme	Tez Künye	Durumu
807425		Domates hastalıklarının sınıflandırılması için makine öğrenmesi ve derin öğrenme temelli yeni yaklaşımlar / New approaches to classification of tomato diseases based on machine learning and deep learning Yazar:HASAN ULUTAŞ Danışman: PROF. DR. VEYSEL ASLANTAŞ Yer Bilgisi: Erciyes Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2023 214 s.
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.
The rapid and effective detection and classification of plant diseases is essential for the growth and stability of the agricultural economy. The use of technology in the detection and analysis process increases the accuracy and reliability of these processes. Within the scope of this thesis, the identification and classification of tomato leaf diseases was carried out by using machine learning and deep learning methods. For this purpose, an original data set was created in addition to the PlantVillage dataset in the literature. Using these datasets, accurate detection of tomato leaf diseases is carried out with the help of machine learning classifiers, Convolutional Neural Network (CNN) models and ensemble learning methods. Among the algorithms used, the Random Forest algorithm and the ensemble learning models created with the new CNN architectures stand out with their 99,81%, 99,60% and 97,72% accuracy rates, respectively. Grid search and PSO algorithm methods were used in hyperparameter optimization for the proposed models, and cross-validation method was used to increase the reliability of the results. The study was also carried out on two different embedded system platforms (Jetson Nano and TX2), and the results were presented comparatively and the proposed system was shown to be portable. The findings demonstrate the reliability of the proposed models as an automated detection system for tomato plant diseases.