Research Article
BibTex RIS Cite

Yapay-zeka tabanlı bitki hastalığı tespiti ve otonom robotik ilaçlama sistemi

Year 2026, Volume: 17 Issue: 1, - , 19.03.2026

Burhan Ök , Kenan Işık

https://doi.org/10.24012/dumf.1608369
https://izlik.org/JA37UM68RB

Abstract

Bu çalışma, yapay zeka (AI) kullanarak bitki hastalıklarını tespit etmek ve mobil bir robot manipülatörü kullanarak verimli tarımsal ilaçlama yapmak için yenilikçi bir çerçeve sunmaktadır. Yapay zeka modelinin eğitimi için veri seti, hastalıklı ve sağlıklı bitki yapraklarının fotoğraflarının çekilmesi ve veri setinin YOLO algoritmasına göre etiketlenmesiyle oluşturulmuştur. Bitki hastalığını tespit etmek için derinlik sensörüne sahip ve nokta bulutu verisi sağlayan bir kamera kullanılmış, hastalığın konumu kinematik yöntemlerle uç işlevciye göre hesaplanmıştır. Sistem entegrasyonu için Robot İşletim Sistemi (ROS) kullanılmış ve kinematik hesaplamalar ile robot kolunun hareket planlaması için Moveit! paketi entegre edilmiştir. Robot kolu, ROS'un Navigation-Stack paketi kullanılarak bitkiler arasında otonom olarak hareket eden iki tekerlekli bir mobil platform üzerine yerleştirilmiştir. Geliştirilen hastalıklı bölgeye noktasal ilaçlama konsepti sayesinde, tarımsal ilaçlama için gereken iş gücü maliyetlerinin yanı sıra kullanılan pestisit miktarı azaltılarak hem pestisit maliyetleri hem de tüketicilerin pestisitlere maruz kalma oranı düşürülebilmektedir.

Keywords

tarımsal ilaçlama yapay zeka mabil manipülasyon

References

  • [1] Ghosh, “Mapped: The dramatic global rise of urbanization (1950-2020),” World Economic Forum, Feb. 9, 2019. [Online]. Available: https://www.weforum.org/agenda/2019/09/mapped-the-dramatic-global-rise-of-urbanization-1950-2020/
  • [2] A. A. Akram, S. Chowdhury, and A. M. Mobarak, “Effects of emigration on rural labor markets,” National Bureau of Economic Research, Working Paper 23929, Oct. 2017. [Online]. Available: http://www.nber.org/papers/w23929
  • [3] Bilgi Teknolojileri ve İletişim Kurumu (BTK), “Araştırma raporları,” 2019. [Online]. Available: https://btk.gov.tr/arastirma-raporlari. Accessed: Dec. 16, 2025.
  • [4] European Commission, Farm to Fork Strategy: For a Fair, Healthy and Environmentally-Friendly Food System, COM(2020) 381 final, Brussels, Belgium, May 2020. [Online]. Available: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52020DC0381
  • [5] A. Al Kuwaiti, K. Nazer, A. Al-Reedy, S. Al-Shehri, A. Al-Muhanna, A. V. Subbarayalu, D. Al Muhanna, and F. A. Al-Muhanna, “A review of the role of artificial intelligence in healthcare,” Journal of Personalized Medicine, vol. 13, no. 6, Art. no. 951, Jun. 2023. [Online]. Available: https://doi.org/10.3390/jpm13060951
  • [6] C. Maraveas, “Incorporating artificial intelligence technology in smart greenhouses: Current state of the art,” Applied Sciences, vol. 13, no. 1, p. 14, 2022. [Online]. Available: https://doi.org/10.3390/app13010014
  • [7] J. Pedersen and K. M. Lind, Precision Agriculture and the Future of Farming in Europe, European Parliament, 2017. [Online]. Available: https://www.europarl.europa.eu/RegData/etudes/STUD/2016/581892/EPRS_STU(2016)581892_EN.pdf
  • [8] O. Karaçay and S. Kılıç, “The effects of agricultural tire technologies on soil compaction, traction performance and agricultural productivity,” Scientific Journal of Mehmet Akif Ersoy University, vol. 7, no. 2, pp. 64–80, 2024. [Online]. Available: https://doi.org/10.70030/sjmakeu.1563596
  • [9] A. J. Hamza and W. L. Anderson, “A review on the effect of soil compaction and its management for sustainable crop production,” J. Biosystems Eng., vol. 46, pp. 417–439, Nov. 2021. [Online]. Available: https://doi.org/10.1007/s42853-021-00117-7
  • [10] E. Anastasiou, S. Fountas, M. Voulgaraki, V. Psiroukis, M. Koutsiaras, O. Kriezi, et al., “Precision farming technologies for crop protection: A meta-analysis,” Smart Agricultural Technology, vol. 5, Art. no. 100323, 2023. [Online]. Available: https://doi.org/10.1016/j.atech.2023.100323
  • [11] R. Sapkota, J. Stenger, M. Ostlie, et al., “Towards reducing chemical usage for weed control in agriculture using UAS imagery analysis and computer vision techniques,” Scientific Reports, vol. 13, Art. no. 6548, 2023. [Online]. Available: https://doi.org/10.1038/s41598-023-33042-0
  • [12] M. İnan and A. Karcı, “Tarımda ağaç ilaçlamanın drone’larla yapılmasında yeni bir yöntemin geliştirilmesi ve uygulanması,” Computer Science, vol. 6, no. 2, pp. 72–89, 2021. [Online]. Available: https://izlik.org/JA96YF74TF
  • [13] F. E. Nasir, M. Tufail, M. Haris, J. Iqbal, S. Khan, and M. T. Khan, “Precision agricultural robotic sprayer with real-time tobacco recognition and spraying system based on deep learning,” PLOS ONE, vol. 18, no. 3, Art. no. e0283801, Mar. 2023. [Online]. Available: https://doi.org/10.1371/journal.pone.0283801
  • [14] S. Forhad, K. Z. Tayef, M. Hasan, A. N. M. S. Hasan, M. Z. Islam, and M. R. K. Shuvo, “An autonomous agricultural robot for plant disease detection,” in The Fourth Industrial Revolution and Beyond: Select Proc. IC4IR+, Lecture Notes in Electrical Engineering, vol. 980, Singapore: Springer Nature Singapore, 2023, pp. 695–708. [Online]. Available: https://doi.org/10.1007/978-981-19-8032-9_50
  • [15] M. Al-Mamury, N. Manivannan, H. Al-Raweshidy, and W. Balachandran, "Mobile robot based electrostatic spray system for controlling pests on cotton plants in Iraq," Journal of Physics: Conference Series, vol. 646, no. 1, p. 012008, 2015. [Online]. Available: https://doi.org/10.1088/1742-6596/646/1/012008
  • [16] R. Oberti, M. Marchi, P. Tirelli, A. Calcante, M. Iriti, E. Tona, M. Hočevar, J. Baur, J. Pfaff, C. Schütz, and H. Ulbrich, “Selective spraying of grapevines for disease control using a modular agricultural robot,” Biosyst. Eng., vol. 146, pp. 203–215, 2016. [Online]. Available: https://doi.org/10.1016/j.biosystemseng.2015.12.004
  • [17] D. T. Fasiolo, L. Scalera, E. Maset, and A. Gasparetto, “Towards autonomous mapping in agriculture: A review of supportive technologies for ground robotics,” Robot. Auton. Syst., vol. 169, Art. no. 104514, 2023. [Online]. Available: https://doi.org/10.1016/j.robot.2023.104514
  • [18] H. Özgen and M. Turan, “Sulama/ilaçlama robotu için nesne tanıma çalışmaları,” Avrupa Bilim ve Teknoloji Dergisi (EJOSAT Ek Özel Sayı HORA), pp. 25–33, 2021. [Online]. Available: https://doi.org/10.31590/ejosat.1115830
  • [19] S. Ramesh and R. Hebbar, “Plant disease detection using machine learning,” in Proc. 2018 Int. Conf. on Design Innovations for 3Cs Compute, Communicate, Control (ICDI3C), Bangalore, India, Apr. 2018, pp. 41–45. [Online]. Available: https://doi.org/10.1109/ICDI3C.2018.00017
  • [20] S. P. Mohanty, D. P. Hughes, and M. Salathé, “Using deep learning for image-based plant disease detection,” Frontiers in Plant Science, vol. 7, Art. no. 1419, Nov. 2016. [Online]. Available: https://doi.org/10.3389/fpls.2016.01419
  • [21] M. H. Saleem, J. Potgieter, and K. M. Arif, “Plant disease detection and classification by deep learning,” Plants, vol. 8, no. 11, p. 468, Nov. 2019. [Online]. Available: https://doi.org/10.3390/plants8110468
  • [22] P. S. Kesava and K. P. Peeyush, “Autonomous robot to detect diseased leaves in plants using convolutional neural networks,” in Proc. 3rd Int. Conf. Trends in Electronics and Informatics (ICOEI), Tirunelveli, India, Apr. 2019, pp. 806–809. [Online]. Available: https://doi.org/10.1109/ICOEI.2019.8862737
  • [23] P. Karpyshev, V. Ilin, I. Kalinov, A. Petrovsky, and D. Tsetserukou, “Autonomous mobile robot for apple plant disease detection based on CNN and multi-spectral vision system,” in Proc. 2021 IEEE/SICE Int. Symp. on System Integration (SII), Iwaki, Fukushima, Japan, Jan. 2021, pp. 157–162. [Online]. Available: https://doi.org/10.1109/IEEECONF49454.2021.9382649
  • [24] A. Xenakis, G. Papastergiou, V. C. Gerogiannis, and G. Stamoulis, “Applying a convolutional neural network in an IoT robotic system for plant disease diagnosis,” in Proc. 11th Int. Conf. Information, Intelligence, Systems and Applications (IISA), Piraeus, Greece, Jul. 2020, pp. 1–8. [Online]. Available: https://doi.org/10.1109/IISA50023.2020.9284356
  • [25] I. Hrabar, G. Vasiljević, and Z. Kovačić, “Estimation of the energy consumption of an all-terrain mobile manipulator for operations in steep vineyards,” Electronics, vol. 11, no. 2, p. 217, 2022. [Online]. Available: https://doi.org/10.3390/electronics11020217
  • [26] H. Hejazipoor, J. Massah, M. Soryani, K. A. Vakilian, and G. Chegini, “An intelligent spraying robot based on plant bulk volume,” Computers and Electronics in Agriculture, vol. 180, Art. no. 105859, 2021. [Online]. Available: https://doi.org/10.1016/j.compag.2020.105859
  • [27] K. V. N. Rajesh and D. L. Bhaskari, “Optimum dataset size for ayurvedic plant leaf recognition using convolution neural networks,” in Data Management, Analytics and Innovation: Proc. ICDMAI 2021, vol. 1, Singapore: Springer, 2021, pp. 249–261. [Online]. Available: https://doi.org/10.1007/978-981-16-2934-1_16
  • [28] V. Ponnusamy, A. Coumaran, A. S. Shunmugam, K. Rajaram, and S. Senthilvelavan, “Smart glass: Real-time leaf disease detection using YOLO transfer learning,” in Proc. 2020 Int. Conf. Commun. Signal Process. (ICCSP), Jul. 2020, pp. 1150–1154. [Online]. Available: https://doi.org/10.1109/ICCSP48568.2020.9182146
  • [29] Pjreddie, “YOLO: Real-Time Object Detection,” 2018. [Online]. Available: https://pjreddie.com/darknet/yolo/
  • [30] Stanford University, “Convolutional neural networks (CNNs / ConvNets),” 2018. [Online]. Available: https://cs231n.github.io/convolutional-networks/

A framework for AI-based plant disease detection and autonomous robotic agricultural spraying

Year 2026, Volume: 17 Issue: 1, - , 19.03.2026

Burhan Ök , Kenan Işık

https://doi.org/10.24012/dumf.1608369
https://izlik.org/JA37UM68RB

Abstract

This study presents a novel framework to detect plant diseases using artificial intelligence (AI) and efficient agricultural spraying using a mobile robot manipulator. The dataset for training the AI model was created by taking photos of plant leaves with and without disease and labeling the dataset according to the YOLO algorithm. A camera with a depth sensor providing point cloud data was used to detect plant disease and its location relative to the end effector was calculated using kinematic methods. The Robot Operating System (ROS) was used for system integration along with Moveit! package for kinematic calculations and motion planning of the robotic arm. The robotic arm is located on a two-wheeled mobile platform that autonomously navigates among the plants using Navigation-Stack of ROS. With the help of the developed spot spraying on the diseased area concept, not only the labor cost for agricultural spraying but also the amount of pesticides used for agricultural spraying can be reduced, lowering the pesticide costs and consumer exposure to the pesticides.

Keywords

agricultural spraying artificial intelligence mobile manipulation

References

  • [1] Ghosh, “Mapped: The dramatic global rise of urbanization (1950-2020),” World Economic Forum, Feb. 9, 2019. [Online]. Available: https://www.weforum.org/agenda/2019/09/mapped-the-dramatic-global-rise-of-urbanization-1950-2020/
  • [2] A. A. Akram, S. Chowdhury, and A. M. Mobarak, “Effects of emigration on rural labor markets,” National Bureau of Economic Research, Working Paper 23929, Oct. 2017. [Online]. Available: http://www.nber.org/papers/w23929
  • [3] Bilgi Teknolojileri ve İletişim Kurumu (BTK), “Araştırma raporları,” 2019. [Online]. Available: https://btk.gov.tr/arastirma-raporlari. Accessed: Dec. 16, 2025.
  • [4] European Commission, Farm to Fork Strategy: For a Fair, Healthy and Environmentally-Friendly Food System, COM(2020) 381 final, Brussels, Belgium, May 2020. [Online]. Available: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52020DC0381
  • [5] A. Al Kuwaiti, K. Nazer, A. Al-Reedy, S. Al-Shehri, A. Al-Muhanna, A. V. Subbarayalu, D. Al Muhanna, and F. A. Al-Muhanna, “A review of the role of artificial intelligence in healthcare,” Journal of Personalized Medicine, vol. 13, no. 6, Art. no. 951, Jun. 2023. [Online]. Available: https://doi.org/10.3390/jpm13060951
  • [6] C. Maraveas, “Incorporating artificial intelligence technology in smart greenhouses: Current state of the art,” Applied Sciences, vol. 13, no. 1, p. 14, 2022. [Online]. Available: https://doi.org/10.3390/app13010014
  • [7] J. Pedersen and K. M. Lind, Precision Agriculture and the Future of Farming in Europe, European Parliament, 2017. [Online]. Available: https://www.europarl.europa.eu/RegData/etudes/STUD/2016/581892/EPRS_STU(2016)581892_EN.pdf
  • [8] O. Karaçay and S. Kılıç, “The effects of agricultural tire technologies on soil compaction, traction performance and agricultural productivity,” Scientific Journal of Mehmet Akif Ersoy University, vol. 7, no. 2, pp. 64–80, 2024. [Online]. Available: https://doi.org/10.70030/sjmakeu.1563596
  • [9] A. J. Hamza and W. L. Anderson, “A review on the effect of soil compaction and its management for sustainable crop production,” J. Biosystems Eng., vol. 46, pp. 417–439, Nov. 2021. [Online]. Available: https://doi.org/10.1007/s42853-021-00117-7
  • [10] E. Anastasiou, S. Fountas, M. Voulgaraki, V. Psiroukis, M. Koutsiaras, O. Kriezi, et al., “Precision farming technologies for crop protection: A meta-analysis,” Smart Agricultural Technology, vol. 5, Art. no. 100323, 2023. [Online]. Available: https://doi.org/10.1016/j.atech.2023.100323
  • [11] R. Sapkota, J. Stenger, M. Ostlie, et al., “Towards reducing chemical usage for weed control in agriculture using UAS imagery analysis and computer vision techniques,” Scientific Reports, vol. 13, Art. no. 6548, 2023. [Online]. Available: https://doi.org/10.1038/s41598-023-33042-0
  • [12] M. İnan and A. Karcı, “Tarımda ağaç ilaçlamanın drone’larla yapılmasında yeni bir yöntemin geliştirilmesi ve uygulanması,” Computer Science, vol. 6, no. 2, pp. 72–89, 2021. [Online]. Available: https://izlik.org/JA96YF74TF
  • [13] F. E. Nasir, M. Tufail, M. Haris, J. Iqbal, S. Khan, and M. T. Khan, “Precision agricultural robotic sprayer with real-time tobacco recognition and spraying system based on deep learning,” PLOS ONE, vol. 18, no. 3, Art. no. e0283801, Mar. 2023. [Online]. Available: https://doi.org/10.1371/journal.pone.0283801
  • [14] S. Forhad, K. Z. Tayef, M. Hasan, A. N. M. S. Hasan, M. Z. Islam, and M. R. K. Shuvo, “An autonomous agricultural robot for plant disease detection,” in The Fourth Industrial Revolution and Beyond: Select Proc. IC4IR+, Lecture Notes in Electrical Engineering, vol. 980, Singapore: Springer Nature Singapore, 2023, pp. 695–708. [Online]. Available: https://doi.org/10.1007/978-981-19-8032-9_50
  • [15] M. Al-Mamury, N. Manivannan, H. Al-Raweshidy, and W. Balachandran, "Mobile robot based electrostatic spray system for controlling pests on cotton plants in Iraq," Journal of Physics: Conference Series, vol. 646, no. 1, p. 012008, 2015. [Online]. Available: https://doi.org/10.1088/1742-6596/646/1/012008
  • [16] R. Oberti, M. Marchi, P. Tirelli, A. Calcante, M. Iriti, E. Tona, M. Hočevar, J. Baur, J. Pfaff, C. Schütz, and H. Ulbrich, “Selective spraying of grapevines for disease control using a modular agricultural robot,” Biosyst. Eng., vol. 146, pp. 203–215, 2016. [Online]. Available: https://doi.org/10.1016/j.biosystemseng.2015.12.004
  • [17] D. T. Fasiolo, L. Scalera, E. Maset, and A. Gasparetto, “Towards autonomous mapping in agriculture: A review of supportive technologies for ground robotics,” Robot. Auton. Syst., vol. 169, Art. no. 104514, 2023. [Online]. Available: https://doi.org/10.1016/j.robot.2023.104514
  • [18] H. Özgen and M. Turan, “Sulama/ilaçlama robotu için nesne tanıma çalışmaları,” Avrupa Bilim ve Teknoloji Dergisi (EJOSAT Ek Özel Sayı HORA), pp. 25–33, 2021. [Online]. Available: https://doi.org/10.31590/ejosat.1115830
  • [19] S. Ramesh and R. Hebbar, “Plant disease detection using machine learning,” in Proc. 2018 Int. Conf. on Design Innovations for 3Cs Compute, Communicate, Control (ICDI3C), Bangalore, India, Apr. 2018, pp. 41–45. [Online]. Available: https://doi.org/10.1109/ICDI3C.2018.00017
  • [20] S. P. Mohanty, D. P. Hughes, and M. Salathé, “Using deep learning for image-based plant disease detection,” Frontiers in Plant Science, vol. 7, Art. no. 1419, Nov. 2016. [Online]. Available: https://doi.org/10.3389/fpls.2016.01419
  • [21] M. H. Saleem, J. Potgieter, and K. M. Arif, “Plant disease detection and classification by deep learning,” Plants, vol. 8, no. 11, p. 468, Nov. 2019. [Online]. Available: https://doi.org/10.3390/plants8110468
  • [22] P. S. Kesava and K. P. Peeyush, “Autonomous robot to detect diseased leaves in plants using convolutional neural networks,” in Proc. 3rd Int. Conf. Trends in Electronics and Informatics (ICOEI), Tirunelveli, India, Apr. 2019, pp. 806–809. [Online]. Available: https://doi.org/10.1109/ICOEI.2019.8862737
  • [23] P. Karpyshev, V. Ilin, I. Kalinov, A. Petrovsky, and D. Tsetserukou, “Autonomous mobile robot for apple plant disease detection based on CNN and multi-spectral vision system,” in Proc. 2021 IEEE/SICE Int. Symp. on System Integration (SII), Iwaki, Fukushima, Japan, Jan. 2021, pp. 157–162. [Online]. Available: https://doi.org/10.1109/IEEECONF49454.2021.9382649
  • [24] A. Xenakis, G. Papastergiou, V. C. Gerogiannis, and G. Stamoulis, “Applying a convolutional neural network in an IoT robotic system for plant disease diagnosis,” in Proc. 11th Int. Conf. Information, Intelligence, Systems and Applications (IISA), Piraeus, Greece, Jul. 2020, pp. 1–8. [Online]. Available: https://doi.org/10.1109/IISA50023.2020.9284356
  • [25] I. Hrabar, G. Vasiljević, and Z. Kovačić, “Estimation of the energy consumption of an all-terrain mobile manipulator for operations in steep vineyards,” Electronics, vol. 11, no. 2, p. 217, 2022. [Online]. Available: https://doi.org/10.3390/electronics11020217
  • [26] H. Hejazipoor, J. Massah, M. Soryani, K. A. Vakilian, and G. Chegini, “An intelligent spraying robot based on plant bulk volume,” Computers and Electronics in Agriculture, vol. 180, Art. no. 105859, 2021. [Online]. Available: https://doi.org/10.1016/j.compag.2020.105859
  • [27] K. V. N. Rajesh and D. L. Bhaskari, “Optimum dataset size for ayurvedic plant leaf recognition using convolution neural networks,” in Data Management, Analytics and Innovation: Proc. ICDMAI 2021, vol. 1, Singapore: Springer, 2021, pp. 249–261. [Online]. Available: https://doi.org/10.1007/978-981-16-2934-1_16
  • [28] V. Ponnusamy, A. Coumaran, A. S. Shunmugam, K. Rajaram, and S. Senthilvelavan, “Smart glass: Real-time leaf disease detection using YOLO transfer learning,” in Proc. 2020 Int. Conf. Commun. Signal Process. (ICCSP), Jul. 2020, pp. 1150–1154. [Online]. Available: https://doi.org/10.1109/ICCSP48568.2020.9182146
  • [29] Pjreddie, “YOLO: Real-Time Object Detection,” 2018. [Online]. Available: https://pjreddie.com/darknet/yolo/
  • [30] Stanford University, “Convolutional neural networks (CNNs / ConvNets),” 2018. [Online]. Available: https://cs231n.github.io/convolutional-networks/
There are 30 citations in total.

Details

Primary Language English
Subjects Neural Networks, Intelligent Robotics
Journal Section Research Article
Authors

Burhan Ök 0000-0003-3511-8482

Kenan Işık 0000-0002-0973-5180

Submission Date December 30, 2024
Acceptance Date March 16, 2026
Publication Date March 19, 2026
DOI https://doi.org/10.24012/dumf.1608369
IZ https://izlik.org/JA37UM68RB
Published in Issue Year 2026 Volume: 17 Issue: 1

Cite

IEEE [1]B. Ök and K. Işık, “A framework for AI-based plant disease detection and autonomous robotic agricultural spraying”, DUJE, vol. 17, no. 1, Mar. 2026, doi: 10.24012/dumf.1608369.

Aim & Scope

Temel mühendislik alanında deneysel ve teorik çalışmalara yer veren Dicle Üniversitesi Mühendislik Dergisi, mühendisliğin popüler konuları ile ilgili makalelerin yayınlanmasına öncelik vermekte ve multidisipliner yöntem ve teknolojilere odaklanmayı hedeflemektedir.

Dicle Üniversitesi Mühendislik Dergisi, çok disiplinli bir dergidir ve temel mühendislik konularını içerir. Derginin amacı, bilim ve teknolojideki en popüler gelişmeleri araştırmacılara, mühendislere ve diğer ilgili kitlelere ulaştırmaktır.

Dicle Üniversitesi Mühendislik Fakültesi Dergisi (DUMF), mühendisliğin çeşitli alanlarında özgün araştırma makalelerinin yanı sıra derleme makalelerini de yayınlayan, hakemli, açık erişimli bir dergidir. Derginin kapsadığı konu alanları şunlardır:


-Elektrik ve Elektronik Mühendisliği
-Bilgisayar ve Yazılım Mühendisliği
-Biyomedikal Mühendisliği
-Makine Mühendisliği
-Cevher Hazırlama ve Maden Mühendisliği
-İnşaat Mühendisliği

DUMF Dergisi makale yükleme aşamasında gerekli olan genel yazım formatına sahiptir. Makalenizi yazarken yükleme öncesi bu formatı kullanma ihtiyacı duyabilirsiniz. Süreci kolaylaştırmak açısından indirmeye hazır word formatları sizler için sunulmuştur.

Türkçe Makale Şablonu (*.docx)
İngilizce Makale Şablonu (*.docx) (tavsiye edilen)

Makaleniz revizyon aşamasında iken makalenizin kabulü için gereklilikleri yerine getirip çalışmanızı doğru bir formatta sisteme yüklemelisiniz.


Kör Hakemlik:
Gönderdiğiniz makale hakemlere gönderileceğinden, metin içerisinde yazarlar hakkında tanımlayıcı herhangi bir bilgiye yer vermemeniz son derece önemlidir.
Lütfen potansiyel tanımlayıcı bilgiler için metnin gövdesini gözden geçirin ve tüm öz atıfların hem metin içi atıflar hem de referanslar için Yazar (Yıl) olarak belirtildiğinden emin olun.


Makale Yapısı
Giriş
Çalışmanın amaçlarını belirtin ve ayrıntılı bir literatür taramasından veya sonuçların bir özetinden kaçınarak çalışma ile ilgili yeterli bir literatür zemini sağlayınız.

Materyal ve Metod
Çalışmanın diğer bir araştırmacı tarafından izlenilmesine imkan vermek için yeterli ayrıntı sağlayınız. Çalışmada kullanılan yöntemler özetlenmeli ve bir referans ile belirtilmelidir. Doğrudan daha önce yayınlanmış bir yöntemden alıntı yapıyorsanız, tırnak işaretleri kullanınız ve ayrıca kaynak belirtiniz. Mevcut yöntemlerde yapılacak herhangi bir değişiklik de açıklanmalıdır.

Sonuçlar
Sonuçlar açık ve net olmalıdır.

Tartışma
Bu kısım çalışmanın önemini vurgulamalı, sonuçların tekrarını içermemelidir. Sonuçlar ve tartışma kısmı birlikte de verilebilir. Literatürdeki çalışmalara büyük oranda atıfta bulunup tartışmaktan kaçınılmalıdır.


Sonuç
Çalışmanın ana sonuçları, tek başına veya bir Tartışma veya Sonuçlar ve Tartışma bölümünün bir alt bölümünü oluşturabilecek kısa bir Sonuçlar bölümü olarak da sunulabilir.

Teşekkür
Bu bölümde, yazarın katkısı veya finansman bölümlerinin dışında herhangi bir desteğe yer verebilirsiniz. Bu kısım, idari ve teknik desteği veya ayni bağışları (örneğin deneyler için kullanılan malzemeler) içerebilir.

Referanslar
Kaynakların IEEE atıf stili ile hazırlanması tavsiye edilir. Formatın detayları şablon dosyasında verilmiştir.

ORCID zorunluluğu
Dergimize makale gönderen yazarların ORCID numaralarını eklemeleri gerekmektedir. ORCID, Open Researcher ve Contributor ID'nin kısaltmasıdır. ORCID, Uluslararası Standart Ad Tanımlayıcı (ISNI) olarak da bilinen ISO Standardı (ISO 27729) ile uyumlu 16 haneli numaralı bir URL'dir. Bireysel ORCID için http://orcid.org adresinden ücretsiz kayıt oluşturabilirsiniz.

Telif Hakkı

Kabul edilen makalelerin yazarları, makalenin telif hakkını DUMF'ye devretmeyi ve DUMF'nin stiline bağlı kalarak nihai hallerini elektronik ortamda göndermeyi kabul etmelidir.


Dergi İntihal Politikası
Dicle Üniversitesi Mühendislik Dergisi, makaleleri/derlemeleri intihal açısından değerlendirme politikasına sahiptir. Dergimize makale göndermeden önce uygun intihal yazılım programları (iThenticate, Turnitin vb.) ile makalenizdeki benzerlik durumu/oranını kontrol etmeniz önerilir. Bu doğrultuda dergimize gönderilen makaleler/derlemeler ön değerlendirmeye tabi tutulur; Turnitin yazılımı ile belirlenen benzerlik oranı %30'un altında olan yazılar Yayın Kurulumuz tarafından kabul edilecektir. Belirtilen oranın (%30) üzerinde olan makaleler/incelemeler yazar(lar)a iade edilir.

Gönderim Sırasında Gerekli Dosyalar:

1) İntihal Formu (Makaleler IThenticate, Turnitin vb. raporlarla birlikte değerlendirilecektir)

2) Hakem Öneri Formu

3) Telif Hakları Devri Formu

4) Ön Yazı



Revizyon  Sırasında Yazar tarafından yüklenmesi gerekli dosyalar:

1) Hakemlere Cevap Formu

2) Yapılan Değişiklikleri Gösteren Makale Dosyası

3) Makalenin Son Hali


Kabul sonrası yüklenmesi gereken dosyalar

1) Makalenin basıma hazır hali (yazar bilgileri eklenmiş versiyon)

İlgili makale çalışmanın yapıldığı kurum(lar)la ilgili uygun etik kurullar tarafından onaylandığına ve deneklerin çalışmayla ilgili bilgilendirilip onay verdiğine dair bir ifade içermelidir.

Etik Kurul izni gerektiren araştırmalar aşağıdaki gibidir:

-Katılımcılardan anket, görüşme, odak grup çalışması, gözlem, deney, görüşme teknikleri kullanılarak veri toplanmasını gerektiren nitel veya nicel yaklaşımlarla yürütülen her türlü araştırma.

-İnsan ve hayvanların (materyal/veri dahil) deneysel veya diğer bilimsel amaçlarla kullanılması

-İnsanlar üzerinde klinik araştırma

-Hayvanlar üzerinde araştırma

-Kişisel verilerin korunması kanununa uygun olarak geriye dönük çalışmalar

-Başkalarına ait ölçek, anket ve fotoğrafların kullanımı için izin alınması ve sahiplerinin belirtilmesi

-Kullanılan fikir ve eserlerde telif haklarına uyulduğunun belirtilmesi

Yayın Kurulunun 5 Ekim 2022 tarihli kararına göre talep edilen ücret miktarı revize edilmiştir.

Her makale gönderimi için "500TL" makale işletim ücreti talep edilmektedir. Bu ücret, Derginin profesyonel dizgisi için kullanılır. İlgili makale işletim ücreti kabul/red şartına bakılmaksızın makale gönderim sırasında talep edilmektedir.

Ücret Ödenecek Hesap Bilgileri:

Türk Lirası Hesabı (Banka/Şube): VakıfBank, Dicle Üniversitesi Bağlı Şubesi
Hesap Adı: Dicle Universitesi Muhendislik Fakultesi Dekanlığı
Hesap No: 00158007306834414
IBAN: TR300001500158007306834414

NOT: İlgili APC ödemesi makaleniz ön değerlendirmeden geçtikten sonra Dergi sekreteryasından alacağınız ön onay mesajı sonrası yapılmaktadır.
Lütfen Editör Kurulunun yapacağı ön değerlendirme sonrası Dergipark sistemi üzerinden alacağınız mesajı bekleyiniz.

Tel: +90-412 241 10 00 (3637)

E-posta: muhendislikdergisi@dicle.edu.tr

Citation Indexes

TR Dizin
Index Copernicus

Other Indexes

Index Copernicus
Arastirmax- Engineering Sciences Index
Sobiad
Ebsco

Baş Editör

Mehmet Siraç Özerdem
Mehmet Siraç ÖZERDEM
Deep Learning, Neural Networks, Classification Algorithms, Evolutionary Computation

Editör Kurulu

Default avatar
Bilal GÜMÜŞ
Fuzzy Computation, Electrical Engineering, Electrical Energy Transmission, Networks and Systems, Electrical Energy Generation (Incl. Renewables, Excl. Photovoltaics), Electrical Machines and Drives, Photovoltaic Power Systems, Power Electronics, Renewable Energy Resources
Erhan Çetin
Erhan ÇETİN
Engineering, Mining Engineering, Mine Design, Management and Economy, Mining Methods and Mine System Analysis, Optimization in Manufacturing
İdris Bedirhanoğlu
İdris BEDİRHANOĞLU

Visiting Professor at Oxford University, Dr. Idris Bedirhanoglu, who holds Bachelor and MSc degrees in Civil Engineering, got his Ph.D. from Istanbul Technical University with a co-advisor from Purdue University where he did a part of his PhD. He has been a Professor of Structural Engineering at Dicle University since March 2023. He worked as a Research Scientist at the Engineering Faculty of New York University Abu Dhabi in 2018-2019. He is the author/co-author of more than 40 journals (SCI or SCIE) or international conference papers and a co-author of four book chapters. He is on the Editorial Board of M. of J. of World Architecture and Engineering News (2014-2016), and a reviewer of more than 20 journals (SCI or SCIE). He is skilled in structural analysis, particularly in evaluating existing structures and retrofitting. As well, he has provided consultancy to more than 100 industrial projects. He has served as a member of the Technical Delegation to Evaluate Objections to Risky Building Detections (Ministry of Environment and Urbanization, General Directorates for Environment and Urbanization), vice chair of the Civil Engineering Department at Dicle University (2018-2019) and chair of the structural engineering laboratory (2010-2018). His main research interests include seismic design and evaluation of RC and historical structures, retrofitting buildings with FRP composites or textile fibers, recycling concrete, nondestructive testing, fuzzy logic, and finite element analysis.
Civil Engineering, Reinforced Concrete Buildings, Earthquake Engineering, Structural Engineering
Atilla Gencer Devecioğlu
Atilla Gencer DEVECİOĞLU
Installation Technologies, Renewable Energy Resources , Mechanical Engineering, Energy Generation, Conversion and Storage (Excl. Chemical and Electrical)

Teknik Editör

Mesut Şeker
Mesut ŞEKER

Dicle Üniversitesi'nden Elektrik-Elektronik Mühendisliği alanında 2017 yılında  yüksek lisans derecesini, 2023 yılında doktora derecesini aldı. 2025 yılında Wake Forest University School of Medicine Center for Artificial Intelligence Research'de PostDoc derecesi aldı. Şuan Dicle Üniversitesi'nden Elektrik-Elektronik Mühendisliği bölümünde  Dr. Öğr. Üyesi olarak görev yapmaktadır. Araştırma ilgi alanları arasında Medikal Görüntü İşleme, Derin Öğrenme, Makine Öğrenmesi, Tıbbi Bilişim, Dijital Patoloji yer almaktadır.
Pattern Recognition, Machine Learning, Deep Learning, Biomedical Sciences and Technology, Electrical Engineering, Signal Processing