Yenilebilir yabani otların görüntü tabanlı tanınması: yeni bir veri seti oluşturma, farklı derin öğrenme modelleri ile sınıflandırma çalışmaları

Bu çalışmada, doğada kendiliğinden yetişen yenilebilir yabani otların tanınmasına yönelik sınıflandırma çalışmaları gerçekleştirilmiştir. Farklı sınıflandırma algoritmaları kullanılmış ve başarı oranları karşılaştırılmıştır. On çeşit yenilebilir ota ait görüntüler, görüntü işleme teknikleri kullanılarak düzenlenmiştir. Veri setindeki örnek sayısının azlığı nedeniyle veri artırma işlemleri uygulanmış ve ImageDataGenerator kullanılarak görüntüler çoğaltılmıştır. Çoğaltılan bu görüntüler, önceden eğitilmiş DenseNet121, MobileNetV2, ResNet50 ve VGG16 derin öğrenme modelleri ile sınıflandırılmıştır. Modellerin, hem statik ve dinamik arttırılmış eğitim veri setleriyle hem de birbirleriyle karşılaştırmalı doğruluk skorları değerlendirilmiş, eğitim süreleri karşılaştırılmıştır. Elde edilen sonuçlara göre algoritmalar arasında doğrulama doğruluğu açısından en yüksek başarı %96,96 ile ResNet50 modeli tarafından elde edilirken, test doğruluğunda %96,97 ile DenseNet121 modelinin daha başarılı olduğu tespit edilmiştir. Çalışma sonucunda, küçük veri setlerinde önceden eğitilmiş derin öğrenme modellerinin etkili sonuçlar verdiği gözlemlenmiştir. Çalışmanın genel amacı, bu bitkilerin kayıt altına alınması ve ilerleyen çalışmalarda bilinirliğinin arttırılmasına yönelik katkı sağlanmasıdır.