Ormanlardaki böcek zararlarının uzaktan algılama verileriyle yapay zeka tabanlı tespiti

Bu tez çalışması orman ağaçları üzerinde zarar yapan iki farklı böcek türünün zarar alanlarını Uzaktan Algılama (UA) verileri kullanılarak Yapay Zeka (YZ) algoritmaları ile tahmin etmeyi amaçlamaktadır. Zarar yapan böcek türlerinden Meşe dantel böceği Corythucha arcuata Say ve Çam kese böceği, Thaumetopoea wilkinsoni Tams hedef tür olarak seçilmiştir. Bu iki böcek türünün Düzce ili içerisinde zarar yaptığı ormanlık alanlar çalışma alanı olarak seçilmiş ve zarar tespiti için bu alanlara ait UA verileri temin edilmiştir. UA verisi olarak Sentinel-2 uydu görüntüsü, İnsansız Hava Aracı (İHA) verileri kullanılmıştır. Tez kapsamında böcek zarar alanlarının tespiti ve gelecekteki yayılım tahmini hedeflenmiştir. Auto-Regressive Integrated Moving Average (ARIMA) model kullanılarak Meşe dantel böceğinin tespiti ve gelecek yayılım tahmini için Sentinel-2 uydu görüntüsünün 48 aylık verisi zaman serisi analizinde kullanılmıştır. Oluşturulan tahmin modellerinin doğrulukları gerçek veriler ile teyit edilerek sonraki aşamada gelecek yayılım tahmini gerçekleştirilmiştir. Çam kese böceği zarar alanlarının tespiti için öncelikle İHA görüntüleri kullanılarak e-Cognition yazılımı ile özellik çıkarımı gerçekleştirilmiştir. Bu aşamada çoklu çözünürlüklü segmentasyon işlemi ile görüntüler zarar ve sağlıklı olmak üzere bölütlere ayrılmıştır. Elde edilen bölütlerin yansıma değerleri kullanılarak yazılımın Gri Eş Seviye Oluşum Matrisi (GLCM) algoritmaları ile entropi, homojenlik ve kontrast doku parametreleri hesaplanmıştır. Böcek zararı olan alanlar entropi ve homojenlik doku parametreleri ile başarılı bir şekilde ayrılmıştır. Sonraki aşamada Çam kese böceği zarar alanlarının tespitinde Python programlama dilinde YZ tabanlı Evrişimsel Sinir Ağları (ESA) kullanılmıştır. Bu aşamada segmentasyon modeli olarak DeepLabV3+ ve Unet++ mimarileri, kodlayıcı ağ olarak SE-NET, Efficientnet-B6 ve Efficientnet-B7 mimarileri kullanılmıştır. Mimarilerin eğitimi için veri setleri e-Cognition yazılımı ile yarı otomatik segmentasyon yöntemi kullanılarak oluşturulmuştur. Veri setinde oluşturulan sınıflar zarar, sağlıklı ve diğer olarak etiketlenmiştir. Veri setleri görüntüler ve orto görüntüler olmak üzere iki farklı veri girdisi olarak tasarlanmıştır. Her veri seti kendi içerisinde eğitim ve test veri seti olarak ayrılmıştır. Segmentasyon modellerinin doğruluk değerlendirmesi için karmaşıklık matrisi, Jaccard indeks metrikleri kullanılmıştır. İHA görüntüleri üzerinde Çam kese böceği zarar alanını tespit etmek için kullanılan ESA modelleri arasında en iyi genel doğruluk (0,90) performansına sahip model Unet++ / SE-NET iken İHA orto görüntüler üzerinde en iyi genel doğruluk (0,81) performansına sahip model DeepLabV3+ / SE-NET olmuştur. Anahtar Sözcükler: ARIMA, Doku parametresi, Evrişimsel sinir ağları, İHA