Domates Meyvesinde Bazı Hastalıkların YOLOv8 Derin Öğrenme Algoritması ile Tespit Edilmesi

Authors : Mesut Yaşar, Nurhayat Yurtaslan

Pages : 18-35

View : 84 | Download : 58

Publication Date : 2025-04-29

Article Type : Research Paper

Abstract :Tarım sektörü, artan dünya nüfusu ve çevresel faktörler nedeniyle sürdürülebilir üretim ve verimlilik artırma konusunda önemli zorluklarla karşı karşıyadır. Artan nüfus, bitki hastalıkları ve verim kayıplarıyla mücadele etmeyi zorlaştırmaktadır. Bitki hastalıkları zamanında tespit edilmezse hızla yayılıp büyük kayıplara yol açabilmektedir. Erken tespit, müdahale ve çevresel zararları engellemeyi sağlar, tedavi maliyetlerini düşürür. Geleneksel yöntemler zaman alıcı ve verimsizken, yapay zeka ve derin öğrenme tabanlı algoritmalar daha hızlı ve doğru tespit imkanı sunar. Doğru zamanlamada yapılan müdahale, verimliliği artırır ve sürdürülebilir tarımı destekler. Bu makale, YOLOv8 algoritmasının domates meyvesi hastalıklarını tespit etme uygulamaları ve tarımda sürdürülebilirliği nasıl destekleyeceğini incelemektedir. YOLOv8, hastalıklar, zararlılar ve stres belirtilerini hızlı ve doğru bir şekilde tespit edebilen bir modeldir. Makale kapsamında iki çalışma gerçekleştirilmiş olup, ilk çalışmadaki eksikliklerin nedenleri belirlenerek, ikinci çalışmada yapılan iyileştirmelerle modelin performansı önemli ölçüde artırılmıştır. Precision değeri 0.93, Recall değeri 0.90 ve F1-Score yüksek seviyelere ulaşmıştır. Bu başarı, eğitim sürecinde epoch sayısının 50 ile sınırlandırılması, veri augmentasyonlarının optimize edilmesi ve domateslerin olgunluk seviyelerinin eğitim verisine eklenmesiyle sağlanmıştır. Sonuç olarak, yapılan iyileştirmeler sayesinde YOLOv8, tarım sektöründe hastalık tespiti ve erken müdahale için güvenilir bir araç olarak kullanılabilir hale gelmiştir. Bu iyileştirmeler, verim kaybını azaltarak tarımsal üretimde önemli katkılar sunmaktadır.
Keywords : Tarım Makineleri, YOLO Algoritması, Bitki Sağlığı İzleme, Derin Öğrenme