Detection the sickness of the tea plant leaf by using neural networks

Bu tez, optimizasyon algoritmalarını son teknoloji bilgisayar yöntemleriyle, özellikle sinir ağlarıyla birleştirerek çay bitkilerindeki yaprak hastalıklarının otomatik tespitini araştırıyor. Maksimum verimi garanti ederek mahsul sağlığını korumak için tarıma olan ihtiyaç artıyor; bitki hastalıklarını hızlı ve doğru bir şekilde teşhis etmek kritik önem taşıyor. Ana mimari olarak Evrişimsel Sinir Ağları (CNN'ler) görev yapan bu tezin amacı, çay bitkilerine zarar veren çeşitli hastalıkları tanımlayabilen güvenilir ve etkili bir teknik oluşturmaktır. Metodoloji, sağlıklı ve sağlıksız örneklerden oluşan çay bitkisi yapraklarının farklı veri setinden elde edilmesini gerektirir. Veri kümesinin ön işlenmesi, model performansını artırmak için hastalık şiddeti, aydınlatma ve görüntü çözünürlüğü gibi değişkenleri hesaba katar. Bu çalışmada, iyi seçilmiş bu veri kümesini kullanarak sinir ağını eğitmek için mayıs sineği ve pelikan optimizasyon algoritmaları (MA) gibi en yeni optimizasyon teknikleri kullanılmıştır. Yöntemin hastalık tespitindeki performansı; doğruluk, MSE, F-puanı ve hatırlama ve hassasiyet gibi ölçümler kullanılarak tahmin ediliyor. Önerilen CNN-POAMA modeli sırasıyla %94,5, 0,035, 0,91, 0,93 ve 0,92 değerlerine ulaştı. Bu çalışmanın bulguları, tarım sektörünün yanı sıra çay bitkilerinin hastalıkları yönetme biçimini tamamen değiştirmeyi mümkün kılan otomatik teknolojilerin büyümesi açısından da önemli sonuçlar doğurmaktadır. Modelin ölçeklenebilirliği ve gerçek dünyadaki uygulama potansiyeli, sinir ağlarının ve optimizasyon algoritmalarının zorlu tarımsal sorunları çözmek için birlikte ne kadar iyi çalıştığını gösteriyor.