Biber yaprağı hastalıklarının VGG16.NET kullanılarak sınıflandırılması

Tarım, insan yaşamını sürdürebilmek ve ulusların kalkınmasını ve verimliliğini desteklemek için en önemli kaynaklardan biridir. Artan sebze ve meyve taleplerini karşılamak için üretim verimliliğini artırmaya yönelik araştırmalar yapılması ve önleyici tedbirler alınması hayati önem taşımaktadır. Bu tedbirler arasında bitki hastalıklarının ele alınması öncelikli bir konudur. Bitki hastalıklarının tanınması ve teşhis edilmesi, tarımsal verimliliğin artırılması, hastalıkların yayılmasının önlenmesi ve ekonomik kayıpların en aza indirilmesi açısından kritik bir öneme sahiptir. Bu çalışma, biber yaprağı hastalıklarını sınıflandırmayı ve teşhis etmeyi hedeflemekte, böylece bu hastalıkların etkilerini azaltmak için erken müdahale imkanı sağlamaktadır. Küf, akar, tırtıl, kurt, yaprak biti ve yaprak yanıklığı gibi hastalıklar, özellikle seralarda yetiştirilen biberlerin yapraklarını etkileyerek karakteristik izler bırakmaktadır. Bu belirgin özellikler, biber yaprağı hastalıklarının daha hızlı ve doğru teşhisini sağlayan 7 sınıflı bir sınıflandırma modelinin geliştirilmesinde temel alınmıştır. Geleneksel doğrudan ölçüm yöntemleri basit ve güvenilir olsa da genellikle zaman alıcı ve emek yoğun olmaktadır. Bu sınırlamaların üstesinden gelmek için görüntü işleme konusunda Evrişimli Sinir Ağı (CNN) algoritmaları kullanılmaktadır. Ana ön işleme adımı, yeşil ve sarı tonlarındaki farklılıkları artırarak hastalık sınıfları arasındaki ayrımı kolaylaştırmak için renk geliştirme işlemini içermektedir. Görüntülerin canlılığını, kontrastını ve genel renk özelliklerini iyileştiren yenilikçi bir algoritma tasarlanmıştır. Sınıflandırma süreci, karmaşık veri setleriyle yüksek doğruluk oranı elde etmesiyle tanınan 19 katmanlı VGGNet mimarisi ile gerçekleştirilmiştir. Eğitim süresini kısaltmak için VGGNet'in önceden eğitilmiş katmanları dondurulmuş ve modelin ince ayarı için ek katmanlar eklenmiştir. Önerilen model, bu çalışma için özel olarak derlenmiş bir veri seti üzerinde test edilmiştir. Bildiğimiz kadarıyla, bu çalışma yaprak biti ve tırtıl sınıflarının teşhisine odaklanan ilk çalışmadır. Model, 7 sınıflı teşhis görevi için oldukça tatmin edici bir performans olarak kabul edilen %92.00 ortalama doğruluk oranına ulaşmıştır. Yanlış sınıflandırmaların ana kaynağı, yaprak biti sınıfında, eğitim için kullanılan örneklerin sınırlı sayıda olmasından kaynaklanmaktadır.