Bitki Hastalıklarını Tespitte Derin Öğrenme: ResNet Modelinin Etkinliği

Authors : Cihan Topçu, Peri Güneş

Pages : 31-65

View : 23 | Download : 28

Publication Date : 2024-07-24

Article Type : Research Paper

Abstract :Bitki hastalıklarının erken tespiti, tarım sektörünün kalbinde yer almakta ve hem verimi artırmak hem de ekosistemdeki dengenin korunması açısından vazgeçilmez bir öneme sahiptir. Gelişen yapay zeka teknolojileri, bu alanda devrim niteliğinde ilerlemeler sağlayarak, hastalıkların hızlı ve etkin bir şekilde tanınmasına olanak tanımıştır. Bu çalışmada kullanılan ResNet modeli, derin öğrenme algoritmalarının en iyilerinden biri olarak öne çıkmakta, bitki yaprakları üzerindeki karmaşık özellikleri saptayarak, geniş bir hastalık spektrumunu doğru bir şekilde sınıflandırabilme kapasitesini sergilemektedir. ResNet\'in bu üstün performansı, tarımsal verimliliği arttırma ve bitki sağlığını koruma konusunda kritik bir adım niteliğindedir. Modelin eğitim süreci boyunca detaylı bir şekilde incelenen veriler, ResNet modelinin bitki hastalıklarını tespit etmede olağanüstü bir başarıya ulaştığını göstermiştir. Elde edilen %99\'luk başarı oranı, yapay zeka tabanlı görüntü işleme teknolojilerinin tarımsal uygulamalarda nasıl hayati bir rol oynayabileceğinin açık bir göstergesidir. Bu seviyede bir doğruluk, özellikle zorlu dış mekan koşullarında ve çeşitlilik gösteren yaprak örnekleri üzerinde gerçekleştirilen analizler için özellikle etkileyicidir ve modelin geniş bir hastalık spektrumunu anlayabilme ve sınıflandırabilme yeteneğini kanıtlar niteliktedir. Bu sonuçlar, ResNet modelinin bitki hastalıkları teşhisinde bir endüstri standardı olarak benimsenebileceğini ve tarımsal uygulamalarda dönüşüm yaratabileceğini işaret etmektedir. Bu çalışmanın sonuçları, yapay zeka destekli bitki hastalığı tespit sistemlerinin tarım sektörü için sunduğu katkıların ve potansiyelin altını çizmektedir. Gelişmiş ResNet modelinin uygulanmasıyla, hastalıkların erken ve doğru bir şekilde tanınması mümkün kılınarak tarımsal süreçlerin verimliliği ve sürdürülebilirliği önemli ölçüde iyileştirilmektedir. Bu teknolojik ilerleme, hastalıkların hızlı tedavisini ve önlenmesini sağlayarak, genel olarak tarım üretiminde kalite ve güvenliğin artırılmasına olanak tanımaktadır. Bu başarı, ResNet\'in derin öğrenme yaklaşımının, gerçek dünya tarımsal sorunlarına uygulanabilir ve etkili çözümler sunma gücünü kanıtlamaktadır.
Keywords : ResNet, Derin öğrenme, Görüntü işleme, Doğruluk oranı, Veri analizi