Derin evrişimli yapay sinir ağı kullanarak meyve yaprağı hastalık tespiti

Zirai üretimde bitki hastalıklarının hızlı bir şekilde tanınmasını sağlayacak ve kimyevi haşere ilaçlarının kullanımında karar verme sürecini hızlandıracak otonom bir tespit sistemi ortaya koymak önemlidir. Birçok ülke otonom sistemlerin araştırılması üzerine yatırım yapmakta ve pek çok AR-GE çalışmasını geliştirmektedir. Bu kapsamda ülkemizde de Tarımsal İzleme ve Bilgi S istemi (TARBİL) kapsamında tarım eko-sisteminde verimlilik ve akıllı tarım uygulamaları desteklenmeye başlanmıştır. Bu tezde açık bir kaynaktan alınan, görüntü çevirme, gama düzeltme, gürültü ekleme, PCA renk genişletme, döndürme ve ölçeklendirme olarak altı farklı veri genişletme tekniği ile oluşturulmuş,14 farklı bitki yaprağına ait 38 çeşit hastalıklı ve sağlıklı "New Plant Disease" isimli yeni bir veri seti kullanılmıştır. Veri setindeki yaklaşık 83.107 görüntü için bitki yaprağı hastalık tespiti sınıflandırması yapan 11 Katmanlı yeni bir CNN mimarisi oluşturulmuştur. Oluşturulan bu yeni modelle bitki yaprağı hastalığı sınıflandırma probleminin performansı iki şekilde incelenmiştir. Birinci olarak, veri setinde en yüksek sayıda veriye sahip 4 çeşit bitki yaprağına ait veriler ele alınıp modelin performansı incelenmiştir. İkinci olarak tüm veri seti için modelin performansı incelenmiştir. Elde edilen sonuçlar tezde verilmiştir. Ayrıca tüm veri seti için GoogLeNet, ResNet50, Vgg-19, Vgg-16, DenseNet gibi transfer öğrenme mimarileri kullanılmış ve performansları incelenerek sonuçları verilmiştir.