Sınıflandırma Probleminde Derin Özellik Birleştirme Yaklaşımıyla Domates Yaprağı Görüntülerinde Hastalık Tespiti

Authors : Serdar ERTEM, Erdal ÖZBAY

Pages : 84-92

Doi:10.31590/ejosat.1216380

View : 17 | Download : 8

Publication Date : 2022-12-31

Article Type : Research Paper

Abstract :Domates, yaşadığımız coğrafya ve dünyanın birçok yerinde üretimi yapılan ve en çok tüketilen önemli sebze türlerindendir. Domates üretiminde verim ve kaliteyi olumsuz yönde etkileyen en önemli faktörlerin başında zararlı organizma olarak adlandırılan hastalık gelmektedir. Domates, çevresel ve iklim faktörlerine bağlı olarak ekim sürecinin her aşamasında birçok hastalığa yakalanabilir. Bitki hastalıklarında yapılması gereken ilk şey hastalığın doğru tespit edilmesi ve gereken önlemlerin alınmasıdır. Bu çalışmada 9 hastalıklı ve 1 sağlıklı sınıftan oluşan toplam 18.160 domates yaprağı görüntüsü bulunan veri seti kullanılmıştır insert ignore into journalissuearticles values(Kaggle, 2021);.Genel erişime açık Kaggle domates yaprağı hastalığı veri seti üzerinde deneysel sonuçlar elde edilmiştir. Analizler yapılırken veri seti, %80 eğitim ve %20 test verisi olarak ayrılmıştır. Çalışmada, Evrişimli Sinir Ağı insert ignore into journalissuearticles values(CNN); tabanlı DenseNet-201, ResNet-101 ve ShuffleNet modelleri kullanılarak domates yaprağı görüntülerinden 3000 adet öznitelik çıkarılmıştır. Bu çalışmada öznitelik sayısını düşürmek için Temel Bileşen Analizi insert ignore into journalissuearticles values(PCA); kullanılarak boyut indirgeme yapılmıştır. Domates yaprağındaki hastalıkları sınıflandırmak amacıyla Destek-Vektör Makinaları insert ignore into journalissuearticles values(SVM); algoritması kullanılmıştır. Eğitilen ağ mimarileri tek tek incelenmiştir. Bu incelemeler sonucunda mimarilerin doğruluk oranları AlexNet, DenseNet-201, GoogleNet, MobileNet, ResNet-101 ve ShuffleNet için sırası ile %93.5, %97.1, %91.0, %94.5, %97.4 ve %96.6 bulunmuştur. Yapılan analizlerden sonra doğruluk oranı yüksek olan DenseNet-201, ResNet-101 ve ShuffleNet ön eğitimli ağ mimarileri birleştirilerek ve Temel Bileşen Analizi insert ignore into journalissuearticles values(PCA); kullanılarak boyut indirgeme yapılmıştır. Bu çalışmada yapılan sınıflandırma analizlerine göre en iyi performans gösteren Cubic SVM sınıflandırıcı ve One-vs-All Çok Sınıflı bileşen metodu ile %99.2 doğruluk oranına ulaşılmıştır. Literatür incelemeleri sonucunda domates yaprağı hastalık tespiti için bu çalışmanın etkili ve yüksek bir performans gösterdiği sonucuna ulaşılmıştır.
Keywords : Domates yaprağı, CNN, SVM, PCA, Sınıflandırma