Bitkilerin yetiştirilme süreci zahmetli ve uzun süren bir işlemdir. Bitki yetiştiriciliği ile uğraşan kişilerin en önemli sorunlarından biri bitki hastalığıdır. Hastalıkla mücadelede ilk olarak yapılması gereken hastalığın tanınmasıdır. Hastalığın hızlı bir şekilde tespit edip gereken önlemleri hızlı bir şekilde alabilmek oldukça önemlidir. Çalışmada domates yapraklarındaki hastalık belirlenmesinde derin öğrenme yöntemleri kullanılmıştır. Çalışmada veri seti hastalık olarak 10 sınıftan oluşan toplam 18.160 domates yaprağı görüntüsü bulunmadır. Görüntü hastalık sınıflandırmasında derin evrişimli sinir ağları (ESA) modellerden ön eğitimli ağlar olan GoogleNet, AlexNet, SqueezeNet, ShuffleNet ve ResNet-18 modelleri kullanılmıştır. Modellerde eğitim veri seti %70 eğitim, %15 doğrulama ve %15 test olarak ayrılmıştır. Eğitilen ağların test verisi ile performans ölçütleri doğruluk, kesinlik, özgüllük ve f-skor değerleri hesaplanmıştır. Modellerin doğruluk oranları AlexNet, GoogleNet, ShuffleNet, SqueezeNet ve ResNet-18 için sırasıyla %93.93, %95.18, %94.82, %94.29 ve %81.79 olarak elde edilmiştir. Yapılan analizlere göre ön eğitimli ağların domates yaprağı hastalık sınıflandırma çalışmasında en iyi performans gösteren modelin GoogleNet olduğu görülmüştür.
Derin Öğrenme evrişimsel sinir ağları görüntü sınıflandırma domates bitkisi hastalık
Birincil Dil | Türkçe |
---|---|
Konular | Elektrik Mühendisliği |
Bölüm | Bilgisayar Mühendisliği |
Yazarlar | |
Yayımlanma Tarihi | 3 Haziran 2022 |
Gönderilme Tarihi | 31 Mart 2022 |
Yayımlandığı Sayı | Yıl 2022Cilt: 25 Sayı: 2 |