Derin öğrenme teknikleri ile bazı bağ hastalıklarının belirlenmesi

Türkiye, üzüm üretiminin en çok yapıldığı dünyanın en önemli bağ alanlarına sahip olan ülkelerdendir. Bağcılıkta verimliliği olumsuz etkileyen en önemli sebeplerden birisi bağ hastalıklarıdır. Bu çalışmada, bir yapay zeka yaklaşımı olan Faster R-CNN, SSD Multibox ve özgün olarak yeni geliştirilen derin öğrenme modeli kullanılarak bazı bağ hastalıkları tespit edilmiş ve sınıflandırılmıştır. Bu hastalıklar yaygın olarak görülen ve ekonomik sorun oluşturan külleme, mildiyö, ölü kol hastalığı ile asma yaprak kıvrılma virüs hastalığı (GLRaV) ve asma kısa boğum virüs (GFLV) hastalıklarıdır. Önerilen yöntem 11 000 görüntü kullanılarak eğitilmiş ve test edilmiştir. Deneysel değerlendirmeler sonucunda hastalıkların tespiti ve sınıflandırılmasında genel doğruluk oranları Faster R-CNN %92, SSD Multibox %92.21 ve geliştirilen model ile %96.95 olarak bulunmuştur. Önerilen yaklaşım, literatürdeki benzer yöntemlerden daha iyi sonuçlar vermiştir. Bu nedenle yöntemin, bazı bağ hastalıklarının tespit edilmesi ve sınıflandırılmasında, güvenilir bir şekilde kullanılabileceği sonucuna varılmıştır. Bu çalışmanın literatüre temel katkısı, fungal ve viral hastalıklardan oluşan beş farklı bağ hastalığı için büyük miktarda yeni bir veri seti oluşturulması ile hastalık tespiti ve sınıflandırılmasında özgün yeni bir derin öğrenme modelinin geliştirilmesidir.