Image leaf classification for plant diseases detection using grey wolf optimization technique

Bitki hastalıkları, tarımı önemli ölçüde etkileme ve önemli mali kayıplara neden olma potansiyeline sahiptir. Mahsul verimlerini ve kalitesini etkileyerek çiftçiler için daha düşük karlara ve tüketiciler için daha yüksek fiyatlara yol açabilirler. Bazı durumlarda, bitki hastalıkları gıda kıtlığına ve diğer ekonomik ve sosyal sonuçlara da yol açabilir. Bu nedenle, bitki hastalıklarını yönetmek ve bunlardan kaçınmak için verimli planlar oluşturmak çok önemlidir. Öğrenme teknikleri (ML ve DL) kullanılarak bitki hastalıklarının tanımlanması ve teşhisi, bitki hastalıklarının neden olduğu zararı ve parasal kayıpları büyük ölçüde azaltabilir. Bu tezde, çeşitli yaklaşımlar kullanılarak bitki hastalığı tespiti için bir yöntem önerilmiştir. Bu tezde üç çeşit bitki yaprağı kullanılmıştır: Biber (iki çeşit), Patates (üç çeşit) ve Domates (Dokuz çeşit). görüntü yeniden boyutlandırma ve veri büyütme ön işleme olarak kullanılır. Gradient Histogramı (HOG), Local Binary Patterns (LBP) ve Haralick özelliği olmak üzere üç tür özellik çıkarma özelliği kullanılır. Karakterize eden en iyi özellikleri seçmek için, bir özellik seçim yöntemi olarak bir Gri Kurt Optimizasyonu (GWO) kullanılır. İkili sınıflandırma, Destek Vektör Makineleri (SVM) ve K-En Yakın Komşu (KNN) kullanılarak Machin öğrenmede çoklu sınıflandırma kullanılarak yapılırken, derin öğrenme ayrıca her üç gezegen yaprağını da sınıflandırmak için kullanılır.