Tez No	İndirme	Tez Künye	Durumu
607372		Görüntü işleme tabanlı bitki türleri ve hastalıkları tanıma / Image processing based plant species and diseases recognition Yazar:MUAMMER TÜRKOĞLU Danışman: PROF. DR. DAVUT HANBAY Yer Bilgisi: İnönü Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Bilim ve Teknoloji = Science and Technology Dizin:	Onaylandı Doktora Türkçe 2019 198 s.
Son zamanlarda, bilgisayar teknolojisindeki gelişmeler ile birlikte görüntü işleme tabanlı örüntü tanıma ve sınıflandırma konularına olan ilgi artmıştır. Bu bağlamda, görüntü işleme teknolojisi; tıp, tarım, coğrafi bilimler, güvenlik sistemleri, uzay bilimleri, endüstriyel üretimler ve savunma sanayisi gibi daha birçok alanda yenilikler ve kolaylıklar sağlamıştır. Bu tez çalışmasında; bitki türlerinin tanınması, yeni türlerin tespit edilmesi, zararlı bitkilerin belirlenmesi ve bitki hastalıklarının erken tespiti gibi konular esas olmak üzere tarımsal problemlerin çözümü için yapay zekâ ve görüntü işleme tabanlı sistemler geliştirilmesine odaklanılmıştır. Bu amaç doğrultusunda, bitki türlerinin tanınması ve hastalıkların tespiti için var olan yöntemler geliştirilmiş ve yeni yöntemler önerilmiştir. Bu geliştirilen ve önerilen yöntemler aşağıda belirtilmiştir: • Bitki yaprağının geometrik şekline dayalı Kenar Adım (KA) yöntemi, • Yaprak tabanlı bitki türlerinin sınıflandırılması için bölme yaklaşımı kullanılarak şekil, renk ve doku tabanlı hibrit bir sistem, • Doku özellikleri çıkarmak için kullanılan YİÖ yönteminin geliştirilmiş versiyonu olarak BOG-YİÖ yöntemi, • Bitki yaprak türlerinin tanınması için derin-dokusal tabanlı özellik çıkarıcı bir model, • Bitki türlerinin tanınması ve sınıflandırılması için Çok-Bölmeli Derin Evrişimsel Sinir Ağı (ÇB-DESA) modeli, • Gerçek zamanlı görüntüler kullanılarak önceden eğitilmiş derin sinir ağları ile geleneksel sınıflandırıcılarına dayalı yeni bir sınıflandırma mimarisi, • Kayısı hastalıklarının tespiti için Derin Sinir Ağlarına (DSA) dayalı farklı evrişim filtrelerini içeren derin bir model, • Derin Öğrenme Tabanlı Bitki Hastalıkları ve Zararlıları Tespit Sistemi (Çoklu-ESA PlantDiseaseNet) Önerilen bu yöntemlerin başarımını değerlendirmek amacıyla literatürde var olan veri setleri kullanılmıştır. Bunun yanı sıra, gerçek zamanlı olarak elde edilmiş 15 farklı bitki hastalık görüntülerinden oluşan yeni bir veri seti inşa edilmiş ve bu veri seti kullanılarak deneysel çalışmalar yapılmıştır. Yapılan kapsamlı deneysel çalışmalardan elde edilen sonuçlara göre, bitki türlerinin ve hastalıklarının sınıflandırılmasında geliştirilen ve önerilen yöntemler yüksek başarı sağlamıştır. Bu yöntemler, gelecekte tarımsal problemlerin çözümü ile ilgili yapılacak olan otomatik tanı ve tespit sistemlerine temel oluşturacaktır. Bu tez çalışmasında, doğal ortamdan elde edilen bitki hastalık görüntüleri kullanılarak gerçek zamanlı otomatik Bitki Hastalık Tespit Yazılımı geliştirilmiştir. Bu sistem, MATLAB GUI platformu kullanılarak tasarlanmış ve masaüstü uygulaması olarak herkes tarafından kolaylıkla kullanılabilme imkânı sağlanmıştır. Bu yazılım, uzman kişilere destek olacak, kolay ve kısa sürede bitki hastalıklarının erken tespit edilmesine olanak sağlayacak, yeni enfeksiyonların oluşması ve hastalıkların neden olduğu verim kaybını önleyecektir. ANAHTAR KELİMELER: Bitki Tanıma, Bitki Hastalık Tespiti, Özellik Çıkarımı, Derin Öğrenme, Yapay Zeka, Sınıflandırma.
Recently, interest in image processing-based pattern recognition and classification has increased with advances in computer technology. In this context, image processing technology; has provided innovations and conveniences in many areas such as medicine, agriculture, geographic sciences, security systems, aerospace, industrial production, and defense industry. In this thesis; The aim of study is to focus on the development of artificial intelligence and image processing based systems for the solution of agricultural problems, mainly on the recognition of plant species, the identifying of new species, the identification of harmful plants and the early detection of plant diseases. For this purpose, existing methods for the identification of plant species and diseases have been developed and new methods have been proposed. These developed and proposed methods are as follows: • Edge Step (ES) method based on the geometric shape of the plant leaf, • A shape, color and texture-based hybrid system using a divided approach to classify leaf-based plant species, • The ROM-LBP method as an improved version of the LBP method used to extract tissue properties. • A deep-textural-based feature extractor model for the recognition of plant leaf species. • Multi-Division Deep Convolutional Neural Network (MD-DCNN) model for identification and classification of plant species, • A new classification architecture based on traditional classifiers with pre-trained deep neural networks using real-time images, • A deep model including different convolution filters based on Deep Neural Networks (DNNs) for the detection of apricot diseases, • Deep Learning Based Plant Diseases and Pests Detection System (Multi-CNN PlantDiseaseNet) In order to evaluate the performance of these proposed methods, existing datasets in the literature were used. In addition, a new dataset consisting of 15 different plant disease images obtained in real-time was constructed and experimental studies were conducted using this dataset. According to the results obtained from the comprehensive experimental studies, the methods developed and proposed for the classification of plant species and diseases have achieved high success. These methods will form the basis for automatic diagnosis and detection system which will be held regarding the solution of agricultural problems in the future. In this thesis, real-time automated Plant Disease Detection Software has been developed by using plant disease images obtained from the natural environment. This system has been designed by using MATLAB GUI platform and it can be easily used by everyone as a desktop application. This software; will support experts, will allow easy and early detection of plant diseases in a short time, will prevent the formation of new infections and loss of efficiency that caused diseases. KEYWORDS: Plant recognition, plant disease detection, feature extraction, deep learning, artificial intelligence, classification.