Gabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile zambak yaprağı imgelerinde pas hastalıklarının tespiti

Basit Öğe Kaydı
dc.authorid0000-0002-1897-9830en_US
dc.authorid0000-0001-5039-6400en_US
dc.contributor.authorAcar, Emrullah
dc.contributor.authorÇalışkan, Abidin
dc.contributor.authorSezgin, Necmettin
dc.date.accessioned2019-03-11T08:25:14Z
dc.date.available2019-03-11T08:25:14Z
dc.date.issued2012-06-01
dc.departmentBatman Üniversitesi Mühendislik - Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümüen_US
dc.departmentBatman Üniversitesi Mühendislik - Mimarlık Fakültesi Elektrik-Elektronik Mühendisliği Bölümüen_US
dc.description.abstractBitkilerdeki hastalıklar, hasadı ve dolayısıyla verimi etkilemektedir. Hastalıkların önceden kestirilmesi, çiftçilerin alacağı önlemler ile verimi artıracaktır. Verimi etkileyen önemli hastalıkların başında pas hastalığı gelmektedir. Bu çalışmada bitki örneği olarak, zirai uygulamalarla ilgili farklı zirai sitelerden bir uzman yardımıyla elde edilmiş zambak çiçeği yaprak imgeleri kullanılmış olup, Gabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile pas hastalığını tespit eden bir sistem tasarlanmıştır. İlk aşamada, imgelere ilişkin Gabor dalgacık dönüşümü kullanılarak her bir sayısal imgeden ayrı bir özellik matrisi elde edilip, matrislerin ortalama, standart sapma ve entropi gibi istatistiksel değerleri hesaplanmıştır. Bu değerler öznitelik vektörüne eklenerek, her bir imge için bir öznitelik vektörü oluşturulmuştur. İkinci aşamada, Gabor dalgacık dönüşümü tabanlı öznitelik vektörleri yapay sinir ağı modelinin girişine verilerek sınıflandırma için performansı en iyi ağ yapısı belirlenmeye çalışılmıştır. Zambak çiçeği yaprak imgeleri iki (1-sağlıklı, 2- hastalıklı) grupta sınıflandırılmış olup sınıflandırma çalışmaları sonucunda, en iyi ortalama performansa %80,00 başarı ile yapay sinir ağı modelinin (3-25-1) ağ yapısında ulaştığı gözlemlenmiştir.en_US
dc.description.abstractCrop diseases can affect harvested commodity and thus quality of the yield. When the diseases are estimated early, the yield will increase by taking measures thanks to farmers. In this paper, daylily leaf images are used as crop sample, derived from different agricultural sites under expert control and a system is designed in order to estimate rust diseases on digital daylily leaf images by using Gabor wavelet based a neural network model. In the first stage, a feature matrix is extracted from each digital image with using Gabor Wavelet Transform (GWT) and the statistical parameters are derived from each feature matrix to form a texture feature vector for each digital image. These parameters are mean, standart deviation and entropy. In the second stage, GWT based texture feature vectors are applied to different network structures of neural network model as inputs for classification and the results are compared in terms of testing performance in order to determine the best network structure. Daylily leaf images are classified into two (1.Normal, 2.Diseased) groups and the best average performance is observed as 80.00 % in the (3-25-1) network structure of neural network model.en_US
dc.identifier.citationAcar, E , Çalışkan, A , Sezgin, N . (2012). Gabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile zambak yaprağı imgelerinde pas hastalıklarının tespiti. Batman Üniversitesi Yaşam Bilimleri Dergisi, 1 (2), ss. 115-125.en_US
dc.identifier.endpage125en_US
dc.identifier.issn2147-4877
dc.identifier.issn2459-0614
dc.identifier.issue2en_US
dc.identifier.startpage115en_US
dc.identifier.urihttp://dergipark.gov.tr/download/article-file/313477
dc.identifier.urihttps://hdl.handle.net/20.500.12402/1900
dc.identifier.volume1en_US
dc.language.isotren_US
dc.publisherBatman Üniversitesien_US
dc.relation.journalBatman Üniversitesi Yaşam Bilimleri Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Yayınıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/us/*
dc.subjectZambaken_US
dc.subjectSınıflandırmaen_US
dc.subjectİmge İşlemeen_US
dc.subjectGabor Dalgacık Dönüşümüen_US
dc.subjectYapay Sinir Ağıen_US
dc.subjectDaylilyen_US
dc.subjectClassificationen_US
dc.subjectImage Processingen_US
dc.subjectGabor Wavelet Transformen_US
dc.subjectNeural Networken_US
dc.titleGabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile zambak yaprağı imgelerinde pas hastalıklarının tespitien_US
dc.title.alternativeThe estimation of rust diseases of daylily leaf images with gabor wavelet transform based a neural network modelen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
1.pdf
Boyut:
312.45 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Cilt 1, Sayı 2
Mühendislik-Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Makale Koleksiyonu
Mühendislik-Mimarlık Fakültesi, Elektrik-Elektronik Mühendisliği Bölümü, Makale Koleksiyonu