Konvolüsyonel Sinir Ağı Tabanlı Derin Öğrenme Modeli ile Narenciye Hastalıklarının Sınıflandırılması

Authors : Halit ÇETİNER, İbrahim ÇETİNER

Pages : 352-368

Doi:10.17798/bitlisfen.1028323

View : 19 | Download : 12

Publication Date : 2022-03-24

Article Type : Research Paper

Abstract :Tarımsal üretimde mahsul verimi için bitki hastalıkları hayati öneme sahiptir. Bitkilerde bulunan renk, şekil, doku gibi özelliklerin birbirine benzemesinden dolayı bitkilerdeki hastalıkların erken aşamada tespiti zor ve yorucu olmaktadır. Bitkilerdeki hastalıkların erken aşamada tespit edilerek önlem alınması mahsule gelen zararın engellemesi için gerekli bir adımdır. Bu nedenle, narenciye ithalatını etkileyerek üreticileri maddi olarak büyük zararlara uğratan yaprak hastalıklarını sınıflandırmak için yapılan çalışma kapsamında derin öğrenme tabanlı bir model geliştirilmiştir. Buna ek olarak DenseNet121, MobileNetV2 ve ResNet50 mimari modellerini temel alan üç ayrı model ile de yaprak hastalıkları sınıflandırılmıştır. Bu modellerin oluşturulmasında ince ayarlı transfer öğrenme tekniği kullanılmıştır. Yapılan çalışma kapsamında önerilen 15 katmanlı CNN modeli ile Adamax optimizasyon yöntemi ile %99, RMSProp optimizasyon yöntemi ile de %97 doğruluk oranlarına ulaşılmıştır. En sık karşılaşılan narenciye yaprak hastalıklarından olan Blackspot (citrius siyah nokta (CBS)), canker (citrius bakteriyel kanseri (CBC)), greening (huanglongbing (HLB)) ile (sağlıklı) Health sınıflarında ise sırasıyla %100, %100, %98 ve %100 başarı oranlarına erişilmiştir.
Keywords : CNN, Narenciye yaprak hastalığı, Sınıflandırma, Transfer öğrenme