VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION

Ali Alper Demir; Gizem Dursun Demir

TR EN

CEVİZ YAPRAĞI SINIFLANDIRMASI İÇİN GÖRÜ DÖNÜŞTÜRÜCÜ TABANLI YAKLAŞIM

Öz

Ceviz, yüksek besin değeri ve insan sağlığına yönelik çok yönlü faydaları sayesinde, gıda, ilaç ve kozmetik gibi pek çok endüstriyel alanda yaygın olarak kullanılmaktadır. Türkiye, hem yerel hem de küresel olarak birçok türün bulunduğu önemli bir ceviz üreticisidir. Ancak yaprak formu ve renk gibi morfolojik özellikler bakımından ceviz türleri yüksek düzeyde benzerliklere sahiptir. Bu durum, ceviz yapraklarının insan gözüyle ayırt edilmesini güçleştirmekte ve sınıflandırma süreçlerinde hata payını artırmaktadır. Sonuç olarak, ceviz yapraklarının doğru otomatik sınıflandırılması için yapay zekâ tabanlı sistemlere olan talep giderek artmaktadır. Bu çalışma, dikkat mekanizması sayesinde geleneksel tekniklere göre görsel özelliklerin daha hassas bir şekilde çıkarılmasını sağlayan bir görsel dönüştürücü yaklaşımı kullanmaktadır. Görü dönüştürücü (ViT) tabanlı bir sınıflandırma modelinin başarısını test edebilmek amacıyla Yalova Atatürk Bahçe Kültürleri Merkez Araştırma Enstitüsü Uygulama Bahçesi’ndeki ceviz ağaçlarından toplanarak oluşturulan açık kaynaklı bir veri kümesi kullanılmıştır. Söz konusu veri kümesindeki 17 farklı ceviz türüne ait toplam 1668 yaprak görüntüsü ViT modelinin eğitim ve test sürecinde kullanılmıştır. Model %95,51 doğruluk elde ederek, diğer görüntü sınıflandırma yöntemlerine kıyasla ceviz yaprağı görüntülerinin sınıflandırılmasında üstün performans sergilemiştir.

Anahtar Kelimeler

VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION

Öz

Walnut is widely utilized across various industrial sectors such as food, pharmaceuticals, and cosmetics due to its high nutritional value and numerous health benefits. Turkey is a major walnut producer, with many species both locally and globally. However, these species exhibit a high degree of morphological similarity in terms of leaf shape and color, making it difficult to distinguish between them through visual inspection alone. This challenge increases the likelihood of errors in manual classification processes. Consequently, there is an increasing demand for AI-based systems for accurate automatic classification of walnut leaves. This study utilizes a vision transformer (ViT) approach, which, through its attention mechanism, enables more precise extraction of visual features than conventional techniques. To evaluate the effectiveness of a ViT-based classification model, an open-source dataset was utilized, consisting of walnut leaf images collected from trees located in the experimental orchard of the Yalova Atatürk Central Horticultural Research Institute. A total of 1668 leaf images of 17 different walnut species in this dataset were used in the training and testing process of the ViT model. The model achieved 95.51% accuracy, demonstrating superior performance in classifying walnut leaf images compared to other image classification methods.

Anahtar Kelimeler

Kaynakça

Akça, Y., Özyurt, İ. K., & Kaplan, E. (2018). Comparison of some local and foreign walnut cultivars. Journal of Agricultural Faculty of Gaziosmanpaşa University (JAFAG), 35(3), 290-296. https://doi.org/10.13002/jafag4449
Bayazit, S., Tefek, H., & Çalışkan, O. (2016). Türkiye’de ceviz (Juglans regia L.) araştırmaları. Ziraat Fakültesi Dergisi, 11(1), 169-179. https://dergipark.org.tr/en/pub/sduzfd/article/317408
Dogan, F., & Türkoglu, I. (2018). Derin ögrenme algoritmalarının yaprak sınıflandırma basarımlarının karsılastırılması. Sakarya University Journal of Computer and Information Sciences, 1(1), 10-21. https://dergipark.org.tr/en/pub/saucis/article/427798
Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., ... & Houlsby, N. (2020). An image is worth 16x16 words: Transformers for image recognition at scale. arXiv preprint arXiv:2010.11929. https://doi.org/10.48550/arXiv.2010.11929
Güvenç, İ., & Kazankaya, A. (2019). Türkiye’de ceviz üretimi, dış ticareti ve rekabet gücü. Yuzuncu Yıl University Journal of Agricultural Sciences, 29(3), 418-424. https://doi.org/10.29133/yyutbd.569905
Güvenç, İ., & Purlu, G. (2022). Türkiye’nin 2020-2045 döneminde ceviz üretim ve gereksinim projeksiyonu. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 25(1), 57-65. https://doi.org/10.18016/ksutarimdoga.vi.848460
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770-778). https://doi.org/10.1109/CVPR.2016.90
Iandola, F. N., Han, S., Moskewicz, M. W., Ashraf, K., Dally, W. J., & Keutzer, K. (2016). SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 0.5 MB model size. arXiv preprint arXiv:1602.07360. https://doi.org/10.48550/arXiv.1602.07360

Kadakoğlu, B., Bayav, A., & Karlı, B. (2022). Türkiye’de ceviz üretim projeksiyonu ve rekabet gücü analizi. Meyve Bilimi, 9(1), 8-15. https://doi.org/10.51532/meyve.1125552
Karadeniz, A. T., Başaran, E., & Çelik, Y. (2024). Classification of walnut dataset by selecting CNN features with whale optimization algorithm. Multimedia Tools and Applications, 83(31), 77061-77076. https://doi.org/10.1007/s11042-024-18586-1
Karadeniz, A. T., Başaran, E., & Celık, Y. (2023a). Identification of walnut variety from the leaves using deep learning algorithms. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, 12(2), 531-543. https://doi.org/10.17798/bitlisfen.1263130
Karadeniz, A. T., Başaran, E., & Çelik, Y. (2023b). AUTOMATIC CLASSIFICATION OF WALNUT LEAF IMAGES WITH GRADCAM AND DEEP LEARNING. Current Trends in Computing, 1(2), 139-148. https://dergipark.org.tr/en/pub/ctc/article/1430950
Karadeniz, A. T., Çelik, Y., & Başaran, E. (2023c). Classification of walnut varieties obtained from walnut leaf images by the recommended residual block based CNN model. European Food Research and Technology, 249(3), 727-738. https://doi.org/10.1007/s00217-022-04168-8
Kayaalp, K., & Altınalan, A. (2023). CEVİZ SÜRGÜN GÖRÜNTÜLERİ KULLANILARAK CEVİZ ÇEŞİTLERİNİN SINIFLANDIRILMASI. Uluborlu Mesleki Bilimler Dergisi, 6(2), 42-52. https://dergipark.org.tr/tr/pub/umbd/article/1336814
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems, 25.
Redmon, J., & Farhadi, A. (2018). Yolov3: An incremental improvement. arXiv preprint arXiv:1804.02767. https://doi.org/10.48550/arXiv.1804.02767
Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., & Chen, L. C. (2018). Mobilenetv2: Inverted residuals and linear bottlenecks. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 4510-4520). https://doi.org/10.1109/CVPR.2018.00474
Simonyan, K., & Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556. https://doi.org/10.48550/arXiv.1409.1556
Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., ... & Rabinovich, A. (2015). Going deeper with convolutions. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 1-9). https://doi.org/10.1109/CVPR.2015.7298594
Wu, J., Li, X., Shi, Z., Li, S., Hou, K., & Bai, T. (2024). Research on Walnut (Juglans regia L.) Classification Based on Convolutional Neural Networks and Landsat-8 Remote Sensing Imagery. Forests, 15(1), 165. https://doi.org/10.3390/f15010165

Ayrıntılar

Birincil Dil

İngilizce

Konular

Bilgisayar Görüşü

Bölüm

Araştırma Makalesi

Yazarlar

Ali Alper Demir ^*
0000-0001-5250-0590
Türkiye

Gizem Dursun Demir
0000-0001-6303-6439
Türkiye

Yayımlanma Tarihi

3 Haziran 2026

Gönderilme Tarihi

17 Ekim 2025

Kabul Tarihi

14 Mart 2026

Yayımlandığı Sayı

Yıl 2026 Cilt: 29 Sayı: 2

IZ

https://izlik.org/JA66TP89FN

Kaynak Göster

RIS / Bibtex

APA

Demir, A. A., & Dursun Demir, G. (2026). VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 29(2), 608-616. https://izlik.org/JA66TP89FN

AMA

1.Demir AA, Dursun Demir G. VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi. 2026;29(2):608-616. https://izlik.org/JA66TP89FN

Chicago

Demir, Ali Alper, ve Gizem Dursun Demir. 2026. “VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 29 (2): 608-16. https://izlik.org/JA66TP89FN.

EndNote

Demir AA, Dursun Demir G (01 Haziran 2026) VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 29 2 608–616.

IEEE

[1]A. A. Demir ve G. Dursun Demir, “VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION”, Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, c. 29, sy 2, ss. 608–616, Haz. 2026, [çevrimiçi]. Erişim adresi: https://izlik.org/JA66TP89FN

ISNAD

Demir, Ali Alper - Dursun Demir, Gizem. “VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 29/2 (01 Haziran 2026): 608-616. https://izlik.org/JA66TP89FN.

JAMA

1.Demir AA, Dursun Demir G. VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi. 2026;29:608–616.

MLA

Demir, Ali Alper, ve Gizem Dursun Demir. “VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, c. 29, sy 2, Haziran 2026, ss. 608-16, https://izlik.org/JA66TP89FN.

Vancouver

1.Ali Alper Demir, Gizem Dursun Demir. VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi [Internet]. 01 Haziran 2026;29(2):608-16. Erişim adresi: https://izlik.org/JA66TP89FN