YAPRAK HASTALIKLARININ SINIFLANDIRILABİLMESİ İÇİN ÖNCEDEN EĞİTİLMİŞ AĞ TABANLI DERİN AĞ MODELİ

Authors : Halit ÇETİNER

Pages : 442-456

Doi:10.54365/adyumbd.988049

View : 18 | Download : 7

Publication Date : 2021-12-31

Article Type : Research Paper

Abstract :Bitkiye zarar veren hastalıkların erken teşhisi, kimyasal tarım ilaçlarının tüketimini azaltmak, mali olarak tasarruf etmek ve çevreye verilen kirliliği engelleyebilmek için oldukça önemlidir. Elma ağaç yapraklarında oluşan herhangi bir hastalık durumunda, hastalık belirtilerini erken aşamada tespit edebilmek için çiftçiler uzman tarım personelinden destek almak zorunda kalmaktadır. Bu durum çiftçilere büyük bir maliyet oluşturmaktadır. Bahsedilen problemi çözebilmek adına scab, rust ve her ikisinin bir arada kullanılabileceği çoklu hastalık gruplarını sınıflandırabilmek için Konvolüsyonel Sinir Ağı (CNN) yöntemi tabanlı derin öğrenme modeli geliştirilmiştir. Önerilen yaklaşım popüler transfer öğrenim teknikleri olen DenseNet201, MobileNetV2, ResNet50V2, ResNet101V2, ResNet152V2 algoritmalarını giriş katmanı olarak kullanan CNN katmanlarının birleşiminden oluşmaktadır. Geliştirilen yöntem farklı seviyelerde aydınlatma, gürültü, arka planı homojen olmama durumlarını içeren zorluk seviyesi yüksek bir veri seti üzerinde test edilmiştir. Test işlemlerinde önerilen CNN tabanlı yöntemle sınıflandırma doğruluk oranı olarak %97 değerine ulaşılmıştır.
Keywords : CNN, elma yaprak hastalığı, sınıflandırma, transfer öğrenme