Derin Öğrenme Tabanlı Bitki Hastalıkları Tespit ve Tahmin Sistemi: PlantVillage Veri Seti ile Uygulama

Özet

Bitkisel hastalıklar, anlaşma yönetimi, tehdit eden en önemli faktörlerden biri olup, küresel gıda güvenliği açısından ciddi risklerden oluşur. Geleneksel hastalık teşhis yöntemleri; Zaman cihazı, genleşme ve insan hatalarına açık yapılarından dolayı geniş tarım alanları yetersiz kalıyor. Bu etkin, bitki hastalıklarının otomatik ve yüksek doğrulukla teşhisine yönelik bir derin öğrenme yaklaşımı mevcuttur. Kapsamlı, etiketlenmiş ve yüksek kaliteli görsellerden oluşan PlantVillage veri seti ile Evrişimli Sinir Ağı (Evrişimli Sinir Ağı - CNN) tabanlı özel bir model tasarlanmış ve 9 farklı bitki türüne ait 29 sınıf üzerinde çoklu genişletilerek gerçekleştirilmiştir. Veri setinde gözlenen sınıf dengesizliğinin azaltılması amacıyla veri artırımı gibi çeşitli bağlantı seçenekleri mevcuttur. Modelde aşırı öğrenmesini (aşırı uyum), engellemeyi bırakma (bırakma), erken durdurma (erken durdurma) ve model kayıt noktası (model kontrol noktası) gibi düzenleme yöntemlerinden yararlanılmıştır. Eğitim süreci boyunca doğruluk, kesinlik, değişiklik gibi performans metrikleri ile model bütünlüğü ayrıntılı olarak izlenmiş ve grafiksel olarak görselleştirilmiştir. Elde edilen sonuçlar, önerilen yaklaşımın hem genel doğruluk hem de sınırlı sınıflardaki perspektif performansının başarılı olduğunu göstermektedir. Geliştirilen sistem, gelecekte insansız hava araçlarına veya dağıtım sistemlerine entegre edilerek geniş tarım alanlarında gerçek zamanlı hastalık takibi ve erken müdahale imkanı sunabileceği öngörülmektedir. Bu kapsamlı çalışma, sürdürülebilir ve akıllı tarım uygulamalarına katkı sağlamayı amaçlamaktadır.