Asma Yaprağında Hastalık Tespiti için Derin Öğrenme Tabanlı Mobil Uygulama Geliştirilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Teknoloji Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: SEYİT GAZİ YILDIZ
Asıl Danışman (Eş Danışmanlı Tezler İçin): Kazım Yıldız
Eş Danışman: Ali Sarıkaş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Teknolojinin hızla gelişmesi paralelinde bilgiye erişimi de hızlandırmıştır. Mobil (taşınabilir) cihazlar hem iletişim yönünden hem de bilgiye erişme noktasında en çok tercih edilen teknolojik cihazlardır. Bunun sonucu olarak, istenilen veriye ulaşmak geçmişe göre çok daha pratik bir durum kazanmıştır. Yaygın olarak kullanılan bu cihazlar günümüzde akıllı sistemlerin gelişmesinde de önemli rol oynamaktadır. Akıllı sistemler tarım endüstrisinde de yaygın bir biçimde kullanılmaya başlanmıştır. Gerek küresel ısınma gerekse iklim değişikliği etkisiyle tarımsal ürünlerde verim olumsuz olarak etkilenmektedir. Su seviyelerindeki azalmayla birlikte tarım alanlarındaki sulama günümüzde olduğu gibi gelecekte de kritik önemini korumaya devam edecektir. Bu çerçevede tarıma yönelik atılacak her adım gelecek için büyük bir değer taşımaktadır. Tarımla elde edilecek ürünlerin ürün kalitesi ve verimliliği oldukça önemlidir. Tarım ürünlerindeki bilinen hastalıkların yanı sıra değişen çevre faktörleriyle yeni çeşitli negatif etkenler de ortaya çıkmaktadır. Bu tip tespitlerin yapılmasını sağlamak ve gerektiğinde yerinde tespit yöntemlerinin geliştirilmesini sağlamak amacıyla yeni bir model önerisi ile farklı bir bakış açısı kazandırmak bu tez kapsamında hedeflenmektedir. Bu çalışmada sorunlar çerçevesinde son kullanıcının aktif biçimde rol alacağı, gelişmeye ve dinamik biçimde öğrenmeye açık interaktif bir sistem geliştirilmesi hedeflenmektedir. Çalışmada sunulan sistem ile birlikte asma yaprakları üzerinde hastalık tespiti yapan bir model geliştirmesi yapılmıştır. Eğitim ve test aşamalarında kullanılması için asma yaprağının görsellerinden oluşan bir veri seti elde edilmiştir. Veri seti hazırlanırken, sistemin bir mobil cihaza kurulması amaçlandığından, görseller mobil cihazlar aracılığıyla sağlanmıştır. 3122 asma yaprağı görsel verileri iPhone İşletim Sistemi (iOS) ve Android işletim sistemlerine sahip mobil cihazlarla toplanmış, böylelikle özgün bir veri seti oluşturulmuştur. Bu yapraklardan 465 tanesi model eğitim ve doğrulaması ile birlikte test verileri olarak model geliştirme aşamasında kullanılmıştır. Ön işleme süreçlerinde ve eğitim aşamasında modelden daha verimli sonuç alınabilmesi için, yaprakların bulunduğu ortamdaki karmaşıklıkla birlikte düşük kaliteye sahip ön işlem süreci başarısız olan yapraklar model eğitim ve doğrulama adımlarında kullanılmamıştır. Gerekli önişlem ve etiketleme işlemleriyle dengeli ikili sınıfsal dağılıma sahip bu veriler ileri görüntü işlemeye hazır hale getirilmiştir. Görüntü işleme teknikleri kullanılarak Python üzerinde bir makine öğrenmesi modeli geliştirilmiştir. Aynı zamanda mobil cihazlar için de bir mobil uygulama ile sistem desteklenmiştir. Mobil cihazlarda kamera üzerinden elde edilecek görselleri, sistemin asma yapraklarının sağlıklı ya da hastalık tespitini yaparak sınıflandırması hedeflenmiştir. Python vasıtasıyla oluşturulan derin öğrenme tabanlı makine öğrenmesi modeli, mobil uygulamaya dâhil edilerek aktif kullanılabilecek bir uygulama geliştirilmiştir. Python ve mobil cihazda kullanılan uygulama ile çıktı alınan model üzerinde yapılan tahminlemelerde yakın sonuçlar çıkması sebebiyle her iki ortamda da kullanılabilecek hale getirilmiştir. Çalışmalarımızda doğruluğu artırmak, farklı model yapılarını kullanarak kıyaslama olanağını artırabilecek bir sistem tasarlanmıştır. Bu kapsamda Python tabanlı yaptığımız modele ek olarak, Microsoft tarafından geliştirilen Makine Öğrenimi .NET (ML.NET) tabanlı makine öğrenmesi modeliyle de tasarladığımız modeli güçlendirmek hedeflenmiştir. ASP.Net Core web uygulama çerçevesi kullanılarak bir web uygulama hazırlanmıştır. ML.NET modelinde 3122 fotoğrafın tamamı ön işleme tabi tutulmadan orjinal veri yapısı ile eğitime tabi tutulmuştur. Mobil uygulama tarafında aynı resim üzerinden Python modeliyle birlikte ML.NET üzerinden de eş zamanlı sınıflandırma yapılabilmektedir. Uygulamalar arasında haberleşmenin sağlanabilmesi için Python ve ASP.Net Core tabanlı gerekli hizmet bağlantılarıyla birlikte mobil uygulamanın çevrimiçi ortamlarla iletişimi sağlanmıştır. Üzüm yapraklarındaki bu hastalık zamanında tespit edilemezse ileriye yönelik üzümlerin küflenmesine, asma yapraklarının ticari kullanılamamasına ve asma yaprağıyla birlikte üzümün zarar görmesine yol açacağından ürünlerin tüketilemez duruma gelmesine sebep olacaktır. Uygulama tarafında tahmin sonuçlarının kullanıcıya gösterilerek, kullanıcıdan geri dönüş alınması sağlanmıştır. Bu kapsamda son kullanıcının tarım ürünlerindeki kalite ve verimi dolaylı olarak tespit etmesi amaçlanmıştır. Bu amaçla birlikte elde edilen verilerle çalışan modelin tekrar tekrar kendini güncelleyebilir olmasına da katkı sağlaması hedeflenmiştir. Bu çalışmadaki hazırlanan sistemin, farklı tarım ürünlerinde verdiği sonuçları da görebilmek için farklı çalışmalarda kullanılmış bir hazır veri seti üzerinde biber yapraklarıyla uygulamada kıyaslama yapılmıştır. Çalışmada yapmış olduğumuz uygulamalara benzer oranlarda eğitim, doğrulama ve test verileri verilerek sonuçlar gözlemlenmiştir. Arka planı temizlenmiş sadece yaprak görüntülerinin olduğu 2475 biber yaprağı görseli uygulamada başarılı bir şekilde eğitimi tamamlamıştır. Hazır görseller üzerinde sınıflandırma işlemini başarıyla uygulayabilmektedir. Bu analiz ile sadece ürün değişimi yapılarak uygulamanın farklı veri setleri ile çalışabilirliği deneyimlenmiştir. Bu kapsamda, tarım alanında yapılacak ilerideki çalışmalara yönelik geliştirilmesi hedeflenen modellere, diğer tarım ürünlerine de uygulanabilirliği ölçüsünde yön vermesi ve bu yönde çalışmalara katkı sağlaması beklenmektedir. Bu çalışma ile birlikte mobil uygulamanın makine öğrenmesine yönelik yapılacak çalışmalarda daha öncü rol oynayacağı düşünülmektedir.