KaydedilenlerDerginizi ekleyin

Dergiler / Harran Tarım ve Gıda Bilimleri Dergisi / 2022 / Cilt: 26 - Sayı: 1

İki ayırt etme tekniğinin ilk kez uygulanması: Bazı bitki paraziti nematodların ovary tiplerine göre Doğrusal Ayırt Etme Fonksiyonu Yönteminin ve Yapay Sinir Ağları Yaklaşımının kullanımı

First application of two distinguishment techniques: Using Linear Discriminate Function method and Artificial Neural Networks approach according to the ovary types for some plant parasitic nematodes

Ayşe Nur TAN
Aylin TAN
Hilal SUSURLUK
Sayfa
1–14
Yayın Tarihi
2022-03-25
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Taksonomi çalışmaları nematolojide farklı istatistiksel yöntemler ve yapay sinir ağları yaklaşımları birlikte kullanılarak geliştirilebilir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada Sakarya ilindeki (Türkiye) ayva (Cydonia oblonga Mill.) (Rosales: Rosaceae) ekiliş alanlarından elde edilen farklı bitki paraziti nematod türlerinin dişi bireylerine ait olan tek ve çift ovarileri sınıflandırılmıştır.
📊
Temel Bulgular & Veri:Sırasıyla, 2016 Temmuz ve 2017 Temmuz’ da topraktan alınan toplam 109 ve 121 adet dişi nematod kullanılmıştır.
💡
Sonuç & Katkı:Taksonomi çalışmaları nematolojide farklı istatistiksel yöntemler ve yapay sinir ağları yaklaşımları birlikte kullanılarak geliştirilebilir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2016 · 121 adet
⚙️Değişkenler:Yapay Sinir Ağları · Doğrusal Ayırt Etme Fonksiyonu · Nematod

Özet

Bu çalışmada Sakarya ilindeki (Türkiye) ayva (Cydonia oblonga Mill.) (Rosales: Rosaceae) ekiliş alanlarından elde edilen farklı bitki paraziti nematod türlerinin dişi bireylerine ait olan tek ve çift ovarileri sınıflandırılmıştır. Sırasıyla, 2016 Temmuz ve 2017 Temmuz’ da topraktan alınan toplam 109 ve 121 adet dişi nematod kullanılmıştır. Bu nematodlara ait olan tüm vücut uzunluğu (L), stylet uzunluğu (Stylet) ve kuyruk/vulvadan anüse olan mesafe (T/VA) parametreleri ölçülmüş ve incelenmiştir. Tek ve çift ovary grupları, bu parametreler arasındaki ilişki dikkate alınarak Doğrusal Ayırt Etme Fonksiyonu Yöntemi (Fisher Yöntemi) ve Yapay Sinir Ağları Yaklaşımı kullanılarak ayırt edilmiştir. Temmuz 2017 veri seti kullanılarak yapılan sınıflandırmada L ve (T/VA) parametre ikilisi (LDF yöntemi için %97 ve YSA yaklaşımı için %100 olarak), L ve Stylet parametre ikilisinden (LDF yöntemi için %91 ve YSA yaklaşımı için %97 olarak) daha yüksek doğruluk yüzdesine sahiptir. İkinci yaklaşım, birinci yöntemden daha başarılıdır. Bu araştırma Türkiye’de ve Dünya’daki nematoloji çalışma alanında bu yöntemin ve yaklaşımın birlikte kullanıldığı ilk çalışmadır. Taksonomi çalışmaları nematolojide farklı istatistiksel yöntemler ve yapay sinir ağları yaklaşımları birlikte kullanılarak geliştirilebilir.

Abstract

In this study mono and dual ovaries, which belonged to female individuals of different plant parasitic nematode species that were obtained from the quince (Cydonia oblonga Mill.) (Rosales: Rosaceae) cultivated areas in Sakarya Province (Turkey), were classified. The total number of 109 and 121 female nematodes, which were taken from the soil, were used in 2016, July and 2017, July, respectively. Overall body length (L), spear length (Stylet) and tail/distance from vulva to anus (T/VA) parameters belonged to these nematodes were measured and examined. The mono and dual ovary groups were distinguished by using the Linear Discriminate Function (LDF) method (Fisher’s method) and Artificial Neural Networks (ANNs) approach taking correlation between those parameters into consideration. The pair of parameters L and (T/VA) had higher accuracy percentage (as 97% for LDF method and 100% for ANNs approach) than the pair of parameters L and Stylet (as 91% for LDF method and 97% for ANNs approach) for the classification using 2017, July data set. The second approach was more successful than the first method. This research is the first study that was used these method and approach together at the nematology study area in Turkey and the World. The taxonomical studies may be improved using different statistical methods and artificial neural networks approaches together at the nematology.

🔖

Bu Makaleye Atıf Yap

TAN, A. N., TAN, A., SUSURLUK, H. (2022). İki ayırt etme tekniğinin ilk kez uygulanması: Bazı bitki paraziti nematodların ovary tiplerine göre Doğrusal Ayırt Etme Fonksiyonu Yönteminin ve Yapay Sinir Ağları Yaklaşımının kullanımı. Harran Tarım ve Gıda Bilimleri Dergisi, Cilt: 26 - Sayı: 1, 1–14. https://ajindex.com/articles/423213

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Akal, M., Gökçe, B., Çelik, Ş. (2020). A survey study of quince producers in Geyve country. Sakarya Üniversitesi İşletme Enstitüsü Dergisi, 2(2), 41-49.
  2. Akintayo, A., Tylka, G. L., Singh, A. K., Ganapathysubramanian, B., Singh, A., Sarkar, S. (2018). A deep learning framework to discern and count microscopic nematode eggs. Nature Scientific Reports, 8, 9145. Akyüz, İ. (2019). Future projection and the sales of industrial wood in Turkey: artificial neural networks. Turkish Journal of Agriculture and Forestry, 43, 368-377.
  3. Altay, O., Özgen, I. (2021). Predicting the LD50 values of two different vinegars whose insecticidal effect was determined by the spraying method against Tribolium confusum Jacquelin du val (Coleoptera: Tenebrionidae) using different artificial neural networks models. Zoological and Entomological Letters, 1(2), 39-47.
  4. Aragon, D., Landa, R., Saire, L. (2019). Neural-network based algorithm oriented to identifying the damage degree caused by the Meloidogyne incognita nematode in digital Images of Vegetable Roots. Congreso Internacional de Innovación y Tendencias en Ingenieria (CONIITI), (pp. 1-6).
  5. Bogota, Colombia. Aygün, A. (2018). Türkiye Ayva üretim potansiyeli. Bahçe, 47, 45–49.
  6. Badawy, A., Gamal, M., Farid, W., Soliman, M. S. (2019). Decontamination of earthquake catalog from quarry blast events in northern Egypt. Journal of Seismolo, 23, 1357–1372.
  7. Bogale, M., Baniya, A., Di Gennaro, P. (2020). Nematode identification techniques and recent advances. Plants, 9, 1260. Bolat, İ., İkinci, A. (2015). Eşme Ayva (Cydonia oblonga Miller) Çeşidinin GAP Bölgesindeki Performansı. J.Agric. Fac. HR.U., 19(1): 16-23.
  8. Ceydilek, N., Horasan, G. (2019). Manisa ve çevresinde deprem ve patlatma verilerinin ayırt edilmesi. Türk Deprem Araştırma Dergisi, 1(1), 26-47.
  9. Charrier, C., Lebru, G., Lezoray, O. (2007). Selection of features by a machine learning expert to design a color image quality metrics. Proceedings of the 3rd International Workshop on Video Processing and Quality Metrics for Consumer Electronics (VPQM), (pp. 113-119),
  10. Scottsdale, Arizona, USA. Çayakan, Ç. (2012). Yapay sinir ağları yöntemiyle sıvılaşma iyileştirmesi için kumlarda uygulanacak kısmi doygunluk tahmini (Yayımlanmamış yüksek lisans tezi). Istanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
  11. Çetin, M., Uğur, A., Bayzan, Ş. (2006). İleri beslemeli yapay sinir ağlarında Backpropagation algoritmasının sezgisel yaklaşımı. Procedings of the IV. Bilgelik ve Akademik Bilişim S