Kültür mantarlarında yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması

Bu tez çalışmasında, Agaricus bisporus (kültür mantarı) üretiminde yaygın olarak görülen dört farklı hastalık durumu ile bunlara ek olarak hastalık bulunmayan sağlıklı durumun (sağlıklı, bakteriyel leke, örümcek ağı, kuru kabarcık ve yaş kabarcık) görüntü tabanlı olarak sınıflandırılmasına yönelik bir derin öğrenme tabanlı sistem önerilmiştir. Çalışmada, beyaz, ultraviyole (UV) ve karma (beyaz+UV) olmak üzere üç farklı aydınlatma koşulunda özel olarak oluşturulan görüntü veri setleri kullanılarak, 20 farklı ön eğitimli evrişimli sinir ağı (CNN) mimarisi değerlendirilmiştir. Görüntüler, bu çalışmaya özgü olarak tasarlanan ve beyaz, UV ve karma ışık senaryolarını kontrollü biçimde sağlayabilen özel bir görüntüleme kabininde elde edilmiştir. Her bir model, doğruluk (accuracy), duyarlılık (recall), kesinlik (precision), F1 skoru, ROC AUC, PR AUC, özgüllük, Matthews korelasyon katsayısı (MCC), logaritmik kayıp ve bileşik değerlendirme ölçütü (BDÖ) gibi çok sayıda metrikle performans açısından analiz edilmiştir. BDÖ, karar verme sürecine destek olması açısından beş temel metriğin ağırlıklı ortalamasına göre hesaplanmıştır. Elde edilen bulgulara göre, her üç aydınlatma ortamında da en başarılı sonuçlar ResNet-50 modeli tarafından elde edilmiştir. Beyaz ışık ortamında genel sınıf ayrımı daha net gerçekleşmiş, karma ışık ortamı bazı metriklerde dengeli başarı sunarken, UV ışık bazı sınıflarda kararsızlık oluşturmuştur. Sınıf bazlı analizler, sağlıklı ve örümcek ağı sınıflarında yüksek sınıflandırma doğruluğu sağlandığını, buna karşılık bakteriyel leke ve yaş kabarcık sınıflarında bazı modellerin karışıklık yaşadığını göstermiştir. Karmaşıklık matrisleri, ROC ve PR eğrileri üzerinden yapılan görsel analizler, modellerin sınıflar arası ayrım yetkinliğini detaylı biçimde ortaya koymuştur. Bu bağlamda, hem kullanılan model mimarisinin derinliği hem de veri toplama sürecinde kullanılan aydınlatma koşulları, sınıflandırma başarımını doğrudan etkilemiştir. Sonuç olarak, bu çalışma kültür mantarı üretiminde görüntü tabanlı hastalık tanısının uygulanabilirliğini ortaya koymakta; geliştirilen sistemin erken teşhis, otomatik izleme ve akıllı tarım uygulamaları açısından yüksek potansiyele sahip olduğunu göstermektedir.