An intelligent system for detecting Mediterranean fruit fly [Medfly; Ceratitis capitata (Wiedemann)]

Günümüzde tarımla ilgili başlıca sorun, kısaca AMS olarak adlandırılan Akdeniz meyve sineği (Ceratitis capitata) başta olmak üzere zararlı haşerelerin meyve, sebze, kabuklu yemiş ve çiçek ürünlerine verdiği zarardır. Bu tehdit ile etkin mücadele edilebilmesi için tarım alanlarındaki AMS varlığının sistematik şekilde izlenmesi gerekir. Bu amaçla sahada özel tuzaklar kullanılarak mevcudiyetleri takip edilerek doğru zamanda pestisit uygulanması yoluyla popülasyonlarının kontrol altında tutulmasına çalışılır. Geleneksel yöntemlerde tuzakların gözlenmesi için sık sık yapılması gereken saha ziyaretleri külfetli ve zor olduğundan günümüzde teknolojik olarak desteklenen otomatik uzaktan izleme sistemlerine ihtiyaç vardır. Bu çalışmada bir resimdeki AMS görüntülerini algılayabilen ve sayısını verebilen bir derin öğrenme sistemi geliştirilmiştir. Günlük olarak tuzağın içindeki yapışkan bandın fotoğrafını çekebilen entegre edilmiş kamera ile donatılmış özel bir tuzak kullanılmaktadır. Çekilen resimler SIM kart içeren bir elektronik devre aracılığıyla nesne algılama algoritmasının çalıştığı merkezi sunucuya iletilir. Bu algoritma fotoğrafta AMS bulunup bulunmadığını, var ise kaç adet olduğu otomatik olarak tespit edilir. Bu çalışmada tuzağa yakalanmış AMS'leri belirlemede daha hızlı bir bölge tabanlı evrişimsel sinir ağı (faster R-CNN) modeli kullanılmıştır. AMS'ler ve diğer haşereler tuzağın yapışkan bandına yapıştıklarında panik içinde kendilerini kurtarmak amacıyla ölene kadar olağanüstü çaba harcarlar. Bu nedenle, vücutları, kanatları ve bacakları evrilip bükülür, şekilleri kötü bir şekilde bozulur. Buradaki zorluk, derin öğrenme sisteminin bu bozuk şekilli AMS'leri yüksek doğrulukla tanıyabilmesi gerektiğidir. Bu nedenle, akıllı sistem eğitimi ve doğrulama aşamalarında tuzağa yakalanmış bozuk şekillere sahip AMS görüntüleri içeren resimlerin kullanılması çok önemlidir. Bu çalışmada oluşturulan derin öğrenme sisteminin eğitilmesi sürecinde çok sayıda amaca yönelik özel fotoğrafın veri olarak kullanılması sayesinde bir fotoğraftaki AMS'lerini tanımlamada %94.05 gibi bir başarı oranı yakalanabilmiştir. Bu oran literatürde bulunan güncel çalışmalardaki başarı oranları ile karşılaştırıldığında oldukça başarılı olduğu söylenebilir.