Derin öğrenme teknikleri ile üzüm çeşitlerinin belirlenmesi

Bağcılıkta üzüm çeşitlerinin belirlenmesinde, çeşitlerin sürgününe, yaprağına, salkımına ve meyvesine ait ampelografik özellikler kullanılmaktadır. Ampelografik özellikler tespit edildikten sonra sayısal veya sözel olarak ifade edilmektedir. Bu çalışmada, elli adet üzüm çeşidinin yaprak, salkım ve meyvelerine ait ampelografik özellikleri kullanılarak derin öğrenme teknikleriyle sınıflandırılması yapılmıştır. Çalışmada, yeni ve özgün olarak geliştirilen CNN modeli önerilmiştir. Önerilen CNN modeli, 227x227x3 boyutunda, 9 854 yaprak, 8 745 salkım ve 8 721 meyve olmak üzere toplam 27 320 veri seti görüntüsü kullanılarak MATLAB 2021a platformu üzerinde geliştirilmiştir. Veri setinin %80'i eğitime %20'si ise doğrulamaya ayrılmıştır. Sınıflandırma, yaprak ve salkım/meyve görüntüleriyle iki aşamada gerçekleştirilmiştir. Üzüm çeşitlerinin özelliklerinin birbirlerine çok benzerlik göstermesinden dolayı, modelde ezberlemenin önüne geçilebilmesi için sınıflandırma da yaprak grubunda beş farklı, salkım/meyve grubunda ise dört farklı kategori olmak üzere toplam dokuz farklı kategori oluşturulmuştur. Yaprak görüntülerinin olduğu beş farklı kategorinin her birinde on sınıf bulunurken, salkım/meyve görüntülerinin olduğu dört farklı kategorinin her birinde on bir sınıf bulunmaktadır. Her bir kategorinin Doğruluk, Hassasiyet, Duyarlılık ve F1 Skoru değerleri ayrı ayrı hesaplanarak model performansı belirlenmiştir. Ayrıca önerilen model performansının karşılaştırılması için GoogleNet ve AlexNet modelleri de oluşturulan veri seti ile eğitilmiştir. Yeni model için yaprak grubunda doğruluk başarı oranları; kategori 1 için %82.50, kategori 2 için %90.03, kategori 3 için %87.44, kategori 4 için %94.10 ve kategori 5 için %92.40 olarak hesaplanmıştır. Salkım/meyve grubunda ise doğruluk başarı oranları; kategori 1 için %85.88, kategori 2 için %84.90, kategori 3 için %96.40 ve kategori 4 için %97.20 olarak hesaplanmıştır. GoogleNet modelinde başarı oranı %84.39, AlexNet modelinde ise %92.31 bulunmuştur. Çalışma sonucunda üç model arasında en yüksek başarı oranı, salkım/meyve grubundaki kategori 4'te %97.20, en düşük başarı oranı ise yaprak grubundaki kategori 1'de %82.50 doğrulukla yeni model ile hesaplanmıştır. Elde edilen bu sonuçlara bakıldığında, modellerin üzüm çeşitlerinin sınıflandırılmasında başarılı bir şekilde çalıştığı, üzüm çeşitlerinin ampelografik özelliklerini öğrenebildiği ve bu alanda yapılacak çalışmalarda kullanılabileceği ortaya çıkarılmıştır.