Yapay sinir ağları ile bitki hastalıklarının teşhisi

Tüm hastalıklarda olduğu gibi bitkilerde de erken teşhis önemlidir. İlerleyen hastalık veya oluşan zararlar bitkinin kaybedilmesine, hastalığın çevre tarlalara yayılmasına veya hastalığı bertaraf etmek için daha fazla tarımsal ilaç kullanılmasına neden olmaktadır. Bu da tarım sektöründe ekonomik zarara, üretimde verim düşmesine ve aşırı ilaçlama nedeni ile son kullanıcıların sağlığında olumsuz etkilere neden olmaktadır. Bitki hastalık ve zararları, bitkilerin yaprak veya meyvelerinde bölgesel görsel değişikliklere neden olmaktadır. Günümüzde yapay zeka modelleri, hastalık veya zararların tespiti ve teşhisinde bu görsel değişimleri kullanmaktadırlar. Bu çalışmada Yapay Sinir Ağ model ve yöntemleri incelenmiş, az sayıda hastalıklı bitki görüntü veri seti ile eğitilen modellerin performanslarını iyileştirmeye yönelik deneysel çalışmalar yapılmıştır. Örnek bitki olarak seçilen marul bitkisi üzerinde yaprak galeri sineğinin meydana getirdiği zararları gösteren görüntüler toplanarak bir veri seti oluşturulmuştur. Marul bitkisi eğitim seti ile hem sıfırdan öğrenme hem de transfer öğrenme ile oluşturulan Evrişimli Sinir Ağ modelleri eğitilmiştir. Eğitilen temel modeller hem marul test veri seti ile hem de domates, patates ve kabak test veri setleri ile test edilmiş ve performansları karşılaştırılmıştır. Temel modellerin performanslarını artırmak için güçlendirme (boosting), torbalama (bagging), istifleme (stacking) ve oylama (voting) gibi topluluk öğrenme yöntemleri kullanılmıştır. Deneyler sonucunda; Evrişimli Sinir Ağları ile topluluk öğrenme modellerinin birlikte kullanılmasıyla, temel modellerin daha başarılı sonuçlar elde edildiği gösterilmiştir.