Bazı Bağ Hastalıklarının Faster R-CNN Modeli ile Otomatik Tespit Edilmesi ve Sınıflandırılması
Türkiye, üzüm üretiminin en çok yapıldığı dünyanın en önemli bağ alanlarına sahip olan ülkelerdendir. Bağcılıkta verimliliği olumsuz etkileyen en önemli sebeplerden birisi bağ hastalıklarıdır. Bu çalışmada, bir yapay zekâ yaklaşımı olan Faster R-CNN derin öğrenme modeli kullanılarak bazı bağ hastalı...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Hasan Eleroğlu
2023-01-01
|
| Series: | Turkish Journal of Agriculture: Food Science and Technology |
| Subjects: | |
| Online Access: | http://www.agrifoodscience.com/index.php/TURJAF/article/view/5665 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Türkiye, üzüm üretiminin en çok yapıldığı dünyanın en önemli bağ alanlarına sahip olan ülkelerdendir. Bağcılıkta verimliliği olumsuz etkileyen en önemli sebeplerden birisi bağ hastalıklarıdır. Bu çalışmada, bir yapay zekâ yaklaşımı olan Faster R-CNN derin öğrenme modeli kullanılarak bazı bağ hastalıkları tespit edilmiş ve sınıflandırılmıştır. Bu hastalıklar yaygın olarak görülen ve ekonomik sorun oluşturan külleme, mildiyö, ölü kol hastalığı ile asma yaprak kıvrılma virüs hastalığı (GLRaV) ve asma kısa boğum virüs (GFLV) hastalıklarıdır. Önerilen yöntem 11000 görüntü kullanılarak eğitilmiş ve test edilmiştir. Çalışma sonunda genel doğruluk oranı %92 bulunmuştur. Önerilen yaklaşım, literatürdeki benzer yöntemlerden daha iyi sonuçlar vermiştir. Bu nedenle yöntemin, bazı bağ hastalıklarının tespit edilmesi ve sınıflandırılmasında güvenilir bir şekilde kullanılabileceği sonucuna varılmıştır. |
|---|---|
| ISSN: | 2148-127X |