skip to main content
Language:
Search Limited to: Search Limited to: Resource type Show Results with: Show Results with: Search type Index

Biber ve patates yapraklarındaki hastalıkların saptanması için derin öğrenme temelli bir yaklaşım

Anadolu tarım bilimleri dergisi (Online), 2021-06, Vol.36 (2), p.167 [Peer Reviewed Journal]

2021. This work is published under https://creativecommons.org/licenses/by-nc-nd/4.0/ (the “License”). Notwithstanding the ProQuest Terms and Conditions, you may use this content in accordance with the terms of the License. ;ISSN: 1308-8750 ;EISSN: 1308-8769 ;DOI: 10.7161/omuanajas.805152

Full text available

Citations Cited by
  • Title:
    Biber ve patates yapraklarındaki hastalıkların saptanması için derin öğrenme temelli bir yaklaşım
  • Author: SERT, Eser
  • Subjects: Classifiers ; Deep learning ; Diseases ; Labelling ; Leaves ; Meteorological satellites ; Object recognition ; Plant diseases ; Potatoes ; Stitching ; Telematics ; Vegetables
  • Is Part Of: Anadolu tarım bilimleri dergisi (Online), 2021-06, Vol.36 (2), p.167
  • Description: Bu çalışmada, görüntü birleştirme, daha hızlı-bölgesel evrişimsel sinir ağı (Faster R-CNN) ve GoogLeNet kullanılarak biber ve patates yapraklarını tespit eden ve tespit edilen yapraklardaki hastalık türünü gösteren, GoogLeNet sınıflandırıcılı Faster R-CNN nesne tespit yaklaşımı (Faster R-CNN-GC) önerilmiştir. Bilindiği gibi, Faster R-CNN’nin başarılı bir şekilde nesne tespitini gerçekleştirebilmesi için, çok fazla eğitim datası üzerinde imge etiketleme yapılması ve bu datalarla Faster R-CNN’nin eğitim sürecinden geçirilmesi gerekmektedir. Fakat bu süreç çok zaman alıcıdır. Bu çalışmadaki temel amaç bu süreci kısaltmak için Faster R-CNN ve GoogLeNet mimarisinin birlikte çalıştığı bir nesne tespit yaklaşımının tasarlanmasıdır. Çalışmada başlangıçta Faster R-CNN ve GoogLeNet’in eğitim süreci tamamlamıştır. Ardından test sürecine geçilmiş ve bazı test resimleri iki parçalı olduğu için görüntü birleştirme yaklaşımıyla bu görüntüler birleştirilmiştir. Ardından, Faster R-CNN ile resimdeki yaprak/yapraklar tespiti edilmiş ve GoogLeNet ile hastalık durumu belirlenmiştir. Bunlara ek olarak önerilen sistem, AlexNet sınıflandırıcılı Faster R-CNN nesne tespit yaklaşımı (Faster R-CNN-AC), SequezeNet sınıflandırıcılı Faster R-CNN nesne tespit yaklaşımı (Faster R-CNN-SC) ve Faster R-CNN ile karşılaştırılmıştır. Gerçekleştirilen deneysel çalışmalar önerilen Faster R-CNN-GC’nin diğer yaklaşımlara göre daha üstün bir şekilde nesne tespitini gerçekleştirdiği göstermiştir.
  • Publisher: Samsun: Ondokuz Mayis University (OMU), Ziraat Fakultesi Kurupelit
  • Language: Turkish
  • Identifier: ISSN: 1308-8750
    EISSN: 1308-8769
    DOI: 10.7161/omuanajas.805152
  • Source: Open Access: DOAJ Directory of Open Access Journals
    AUTh Library subscriptions: ProQuest Central
Back to results list
INSPIRE LIBRARY - TON DUC THANG UNIVERSITY (84-028) 37 755 057 Feedback
19 Nguyen Huu Tho St. Dist.7, HCM thuvien@tdtu.edu.vn

Copyright © 2017 INSPIRE LIBRARY - TON DUC THANG UNIVERSITY

Searching Remote Databases, Please Wait