Image-based machine learning for soil type classification and implications for crop strategy

Toprak sınıflandırması tarım, inşaat ve çevre çalışmaları gibi çeşitli alanlarda hayati bir görevdir. Mevcut tez, sağlam ve verimli bir toprak sınıflandırma sistemi geliştirmek için Yapay Zekanın (AI) gücünden yararlanmaktadır. Beş farklı toprak türünü temsil eden 592 görüntüden oluşan seçilmiş bir veri kümesi kullanan çalışma, bu toprak görüntülerini işlemek ve sınıflandırmak için Evrişimli Sinir Ağları (CNN'ler), InceptionV3 ve MobileNetV2 dahil olmak üzere farklı derin öğrenme (DL) çerçevelerini araştırıyor. Metodoloji, veri seti genelinde tekdüzeliğin sağlandığı bir ön işleme aşamasını ve ardından seçilen modellerin uygulanmasını içerir. Test edilen modeller arasında MobileNetV2 %95 gibi benzersiz bir doğruluk oranına ulaşarak öne çıkarken, CNN ve InceptionV3'ün her biri sırasıyla %85 ve %93 doğruluk oranına ulaştı. Kapsamlı değerlendirme, MobileNetV2 modelinin olağanüstü yeterliliğini doğrulayan karışıklık matrislerinin ve diğer performans ölçümlerinin kullanımını içeriyordu. Bu çalışma yalnızca toprak sınıflandırma alanını geliştirmekle kalmıyor, aynı zamanda AI ve DL tekniklerinin çevresel analizlerde ve ötesinde daha geniş uygulanabilirliğini de gösteriyor.