Ceviz hastalıklarının derin öğrenme ile sınıflandırılması

Ceviz, ülkemizde hem gıda hem de ağaç endüstrisi için yetiştirilen önemli bir bitkidir. Cevizde çeşitli çevresel faktörlerin de etkisiyle bazı hastalıklar ve mineral eksiklikleri ortaya çıkabilmektedir. Bu hastalıklar ve mineral eksiklikleri, ceviz yapraklarında farklı şekillerde kendini göstermektedir. Ceviz üreticileri, ceviz verimliliğini doğrudan etkileyen birtakım hastalıklar ve beslenme yetersizlikleri ile mücadele etmek için yeni nesil teknolojilerden yardım almaktadırlar. Son yıllarda birçok sektörde olduğu gibi tarım sektöründe de çeşitli problemlerin çözümünde derin öğrenme yöntemleri kullanılmaktadır. Bu çalışmada, ceviz yapraklarında görülen ceviz antraknozu ve vitamin yetersizliklerinin tespiti ve sınıflandırılması için Faster R-CNN modeli geliştirilmiştir. Geliştirilen model için biri sağlıklı, diğer üçü hastalıkları içeren dört sınıftan oluşturulan veri seti kullanılmıştır. Geliştirilen model, GoogleNet, AlexNet ve SqueezeNet gibi bazı ön eğitimli derin öğrenme modelleri ile de test edilerek sınıflandırma başarısı irdelenmiştir. Her bir CNN model için Adam ve SGDM optimizasyon algoritmaları ile farklı iterasyon sayılarının sınıflandırma başarısına etkisi incelenmiştir. Modellerin hassasiyet (precision), doğruluk (accuracy), F1 skoru ve hatırlama (recall) gibi metrik değerleri hesaplanarak tutarlılıkları değerlendirilmiştir. Çalışmada geliştirilen Faster RCNN modelinin sınıflandırmada ki doğruluğu %98,28 olarak bulunmuştur.