İsot yapraklarından alınan spektral yansımalardan hastalıkların erken teşhisi

Abstract

Yapılan tez çalışması, farklı bitki ve meyvelere ait spektral yansımaların karşılaştırılmasından oluşmuştur. Daha özel alanda ise isot'a (biber) ait iki ayrı uygulama üzerine çalışılmıştır. Birinci uygulamada, Şanlıurfa GAP Tarımsal Araştırma Enstitüsü Müdürlüğü (GAPTEAM) sera gruplarından elde edilen, topraktan isota verilmiş mukorizal fungus (faydalı fungusların) ve fusarium hastalık etmenli (zararlı fungusların) isot yapraklarından alınan spektral yansımaların sınıflandırılması gerçeklenmiştir. Sağlıklı ve hastalıklı isot ile su stresine maruz kalmış isotun spektroradyometre ile kaydının tespiti bu çalışmanın amacını oluşturmuştur. Çalışmada kullanılan birinci uygulamaya ait veri seti dört gruba ayrılmıştır. Birinci grup negatif kontrol grubu zararlı ve faydalı fungus içermemektedir (H-M-). İkinci grup pozitif kontrol grubu zararlı fungus içermekte, faydalı fungus içermemektedir (H+M-). Üçüncü grup zararlı fungus içermemekte, faydalı fungus içermektedir (H-M+). Dördüncü grup ise zararlı ve faydalı fungus içermektedir (H+M+). İkinci uygulamada ise, Şanlıurfa Harran Üniversitesi Ziraat Fakültesi Bahçe Bitkileri Bölümü sera gruplarından temin edilen, isot'a ait su stresine maruz kalmış yapraklardan alınan spektral yansımaların sınıflandırılması yapılmıştır. Su stresine maruz kalmış isot ve normal oranda su almış isot'un spektroradyometre ile kayıtları alınmıştır. Çalışmada kullanılan veri seti üç gruba ayrılmıştır. Birinci grup'a % 100, ikinci grup'a % 75 ve üçüncü grup'a % 50 su uygulanmıştır. Her iki uygulamada elde edilen isot'a ait durum tespiti iki aşamadan oluşmuştur. Birinci aşama öznitelik vektörünün temini, ikinci aşamada ise verilere ilişkin öznitelik vektörlerinin sınıflandırılması yapılmıştır. Öznitelik için Dalgacık Dönüşümü (DD)( Symlets5 (sym5), Daubiches2 (dB2) ve Haar yöntemleri) kullanılmıştır. İstatistiksel değerler olarak; maximum, minimum, ortalama, standart sapma, mod, çarpıklık basıklık gibi parametreler kullanılmıştır. Sınıflandırma yöntemleri olarak da; K en yakın komşuluk (K-NN), Naive Bayes (NB) ve Yapay Sinir Ağları (YSA) yöntemleri kullanılmıştır. Birinci uygulama için, isot ile ilgili durum tespitinde ilk iki grubun kendi arasında karşılaştırılması ve daha sonra tüm grupların karşılaştırması yapılmış. İkinci uygulama için ise üç grubun kendi aralarında karşılaştırmaları farklı topraklar göz önünde bulundurularak yapılmıştır. Sonuç olarak bitkiler ile ilgili hastalık veya durum tespitlerinde laboratuvar ve geleneksel yöntemler yerine bilgisayar teknikleri kullanılarak başarılı sonuçlar elde edilmiştir.

The thesis study was made by comparing the spectral reflections of different plants and fruits. In the more special area, two separate applications of pepper were studied. In the first application, classification of spectral reflections from mushroom fungi (beneficial fungi) and fusarium disease-causing (harmful fungi) pepper leaves obtained from the greenhouse groups of the Şanlıurfa GAPTEAM. The aim of this study was to determine the record of the pepper spectroradiometer which was exposed to water stress with healthy and diseased pepper. The dataset used in the study is divided into four groups. The first group Negative control group does not contain harmful and beneficial fungus (H-M-). Second group Positive control group contains harmful Fungus, does not contain beneficial fungus (H+M-). Third group contains beneficial Fungus, does not contain harmful fungus (H-M+). In the second application, it was realized to classify with the spectral reflections obtained from leaves exposed to water stress of pepper obtained from Sera groups of the Department of Garden Plants of Harran University. Pepper exposed to water stress and normal-watered pepper were recorded by spectroradiometer. The data set used in the study is divided into three groups. The second group received 100 % water. The third group received 75 % water. The first group received 50 % water. The status of the pepper obtained in both applications is composed of two steps. The first stage feature vector has been derived. In the second phase, classification of the feature vectors related to the data is done. Wavelet Transform (WT) (Symlets5 (sym5), Daubiches2 (dB2) and Haar) methods are used for the attribute. As statistical values; parameters such as maximum, minimum, mean, standard deviation, mode, skewness and kurtosis are used. As the classification methods; K nearest neighbors (K-NN), Naive Bayes (NB) and Artificial Neural Networks (ANN) were used. For the first application, the first two groups were compared between themselves and then all the groups were compared. For the second application, the three groups were compared with each other considering different lands. As a result, successful results have been obtained by using computer techniques instead of laboratory and traditional methods in determining diseases or conditions related to plants.