DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA

Doğukan Demirci; Esmanur Saraçbaşı; Emre Emrah; İsmail Uzun; Yakup Genç; Kemal Özkan

doi:10.31796/ogummf.969487

DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA

Öz

Hem ülkesel hem de dünyanın önemli bir besin kaynağı olan domates bitkisinin hastalıklarının önceden belirlenmesi önemlidir. Bu çalışmada literatürdeki standart veri setlerine ilaveten toplanan saha verileri kullanarak yaygın olan alternaria ve mildiyö hastalıkların tespiti için bir yöntem önerilmiştir. Derin öğrenmede sıklıkla kullanılan Resnet50 mimarisi ile %97 oranında hastalıklar doğru olarak belirlenmiştir. Geliştirilen mimari mobil cihaza uygulanmış sonuçları çiftçilerle paylaşılmıştır.

Anahtar Kelimeler

Domates hastalığı , Resnet50 , Mobil uygulama

References

Alfarisy, A.A., Chen, Q., Guo, M., 2018. Deep Learning based classification for paddy pests & diseases recognition. In: Proceedings of 2018 International Conference on Mathematics and Artificial Intelligence, ICMAI ’18, ACM, New York, NY, USA, 2018,pp. 21–25. doi:10.1145/3208788.3208795.
Brahimi, M., Arsenovic, M., Laraba, S., Sladojevic, S., Boukhalfa, K., Moussaoui, A., 2018. Deep Learning for Plant Diseases: Detection and Saliency Map Visualisation. Springer International Publishing, Cham, pp. 93–117. doi:10.1007/978-3-319-90403-0_6.
Cui, Y.L., Cheng, P.F., Dong, X.Z., Liu, Z.H., Wang, S.X., 2005. Image processing and extracting color features of greenhouse diseased leaf. Trans. Chinese Soc. Agric. Eng. 21 (S2), 32–35 DOI:10.4236/ojapps.2013.31B006
Durmus, H., Kirci, M., Gunes, E.O., 2017. Disease detection on the leaves of the tomato plants by using deep learning. In: 2017 6th International Conference on Agro-Geoinformatics, pp. 1-5. DOI: 10.1109/Agro-Geoinformatics.2017.8047016.
Hughes, D.P., Salathe, M., 2015. An open access repository of images on plant health to enable the development of mobile disease diagnostics, arXiv:1511.08060
Kumar, A., Vani, M., 2019. Image based tomato leaf disease detection. In: 2019 10th International Conference on Computing, Communication and NetworkingTechnologies (ICCCNT), pp. 1–6.
Mohanty, S.P., Hughes, D.P., Salathé, M., 2016. Using deep learning for image-based plant disease detection. Front. Plant Sci. 7. doi:10.3389/fpls.2016.01419
Jameel, S.M., Rehman Gilal, A., Hussain Rizvi, S.S., Rehman, M., Hashmani, M.A., 2020. Practical implications and challenges of multispectral image analysis. In: 2020 3rd International Conference on Computing, Mathematics and Engineering Technologies (iCoMET), pp. 1–5.
PlantVillage Dataset, 2018, https://www.kaggle.com/emmarex/plantdisease
Rangarajan, A.K., Purushothaman, R., Ramesh, A., 2018. Tomato crop disease classification using pre-trained deep learning algorithm. Procedia Comput. Sci. 133, 1040–1047. https://doi.org/10.1016/j.procs.2018.07.070

Sibiya, M., Sumbwanyambe, M., 2019. A computational procedure for the recognition and classification of maize leaf diseases out of healthy leaves using convolutional neural networks. Agric. Eng. 1, 119–131. doi.org/10.20944/preprints201902.0203.v1
Srdjan, S., Marko, A., Andras, A., Dubravko, C., Darko, S., 2016. Deep neural networks based recognition of plant diseases by leaf image classification. Computat. Intell. Neurosci. 1–11. https://doi.org/10.1155/2016/3289801.
Tao, H.W., Zhao, L., Xi, J., Yu, L., Wang, T., 2014. Fruits and vegetables recognition based on color and texture features. Trans. Chinese Soc. Agric. Eng. 30 (16), 305–311.
Zhou, G.X., Zhang, W.Z., Chen, A.B., He, M.F., 2019. Rapid detection of rice disease based on FCM-KM and Faster R-CNN fusion. IEEE Access 7, 143190–143206. https://doi. org/10.1109/ACCESS.2019.2943454.
Zhang, J.H., Kong, F.T., Wu, J., Zhai, Z., Wu, S., Cao, S., 2018. Cotton disease identification model based on improved VGG convolutional neural network. J. China Agric. Univ. 23 (11), 161–171.
Zhang, Y.L., Lai, Z.Y., Jing, X., Lv, J., 2015. Soybean disease detection based on improved BP neural network. J. Agric. Mech. Res. 2, 79–82.

Details

Primary Language

Turkish

Subjects

Computer Software

Journal Section

Research Article

Authors

Doğukan Demirci This is me
0000-0001-8422-4244
Türkiye

Esmanur Saraçbaşı This is me
0000-0001-9022-7476
Türkiye

Emre Emrah This is me
0000-0001-8422-4244
Türkiye

İsmail Uzun This is me
0000-0002-1261-0856
Türkiye

Yakup Genç
0000-0002-6952-6735
Türkiye

Kemal Özkan ^*
0000-0003-2252-2128
Türkiye

Publication Date

April 15, 2022

Submission Date

July 29, 2021

Acceptance Date

March 7, 2022

Published in Issue

Year 1970 Volume: 30 Number: 1

DOI

https://doi.org/10.31796/ogummf.969487

IZ

https://izlik.org/JA32CU95NP

APA

Demirci, D., Saraçbaşı, E., Emrah, E., Uzun, İ., Genç, Y., & Özkan, K. (2022). DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA. Eskişehir Osmangazi Üniversitesi Mühendislik Ve Mimarlık Fakültesi Dergisi, 30(1), 90-95. https://doi.org/10.31796/ogummf.969487

AMA

1.Demirci D, Saraçbaşı E, Emrah E, Uzun İ, Genç Y, Özkan K. DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA. Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi. 2022;30(1):90-95. doi:10.31796/ogummf.969487

Chicago

Demirci, Doğukan, Esmanur Saraçbaşı, Emre Emrah, İsmail Uzun, Yakup Genç, and Kemal Özkan. 2022. “DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA”. Eskişehir Osmangazi Üniversitesi Mühendislik Ve Mimarlık Fakültesi Dergisi 30 (1): 90-95. https://doi.org/10.31796/ogummf.969487.

EndNote

Demirci D, Saraçbaşı E, Emrah E, Uzun İ, Genç Y, Özkan K (April 1, 2022) DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA. Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi 30 1 90–95.

IEEE

[1]D. Demirci, E. Saraçbaşı, E. Emrah, İ. Uzun, Y. Genç, and K. Özkan, “DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA”, Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi, vol. 30, no. 1, pp. 90–95, Apr. 2022, doi: 10.31796/ogummf.969487.

ISNAD

Demirci, Doğukan - Saraçbaşı, Esmanur - Emrah, Emre - Uzun, İsmail - Genç, Yakup - Özkan, Kemal. “DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA”. Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi 30/1 (April 1, 2022): 90-95. https://doi.org/10.31796/ogummf.969487.

JAMA

1.Demirci D, Saraçbaşı E, Emrah E, Uzun İ, Genç Y, Özkan K. DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA. Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi. 2022;30:90–95.

MLA

Demirci, Doğukan, et al. “DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA”. Eskişehir Osmangazi Üniversitesi Mühendislik Ve Mimarlık Fakültesi Dergisi, vol. 30, no. 1, Apr. 2022, pp. 90-95, doi:10.31796/ogummf.969487.

Vancouver

1.Doğukan Demirci, Esmanur Saraçbaşı, Emre Emrah, İsmail Uzun, Yakup Genç, Kemal Özkan. DOMATES HASTALIĞI TAHMINI IÇIN GERÇEK ZAMANLI UYGULAMA. Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi. 2022 Apr. 1;30(1):90-5. doi:10.31796/ogummf.969487

Cited By

Comparative Analysis of Deep Learning-Based Feature Extraction and Traditional Classification Approaches for Tomato Disease Detection

Agronomy

https://doi.org/10.3390/agronomy15071509

ASENKRON MOTOR RULMAN ARIZA ANALİZİ İÇİN LabVIEW TABANLI GUI TASARIMI

Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi

https://doi.org/10.31796/ogummf.1703595