YOLOv8 ve RF-DETR Kullanılarak Sarı Yapışkan Tuzaklardaki Böceklerin Yapay Zeka Destekli Tespiti ve Sınıflandırılması: Hassas Tarım için Derin Öğrenme Yaklaşımı

Authors : Fatma Öncü, Fehim Köylü

Pages : 812-823

View : 48 | Download : 45

Publication Date : 2025-12-31

Article Type : Research Paper

Abstract :Tarımda zararlı böceklerin erken ve doğru tespiti, ürün verimliliğini artırmak ve pestisit kullanımını azaltmak açısından önemlidir. Geleneksel sarı yapışkan ve feromon tuzaklarında yapılan manuel sayımlar iş gücü ve zaman açısından maliyetli olup, hata riski taşır. Özellikle sera ortamında değişken zararlı yoğunluğu nedeniyle bu yöntemler yetersiz kalmaktadır. Bu çalışmada, dijital feromon tuzaklarından elde edilen yüksek çözünürlüklü görüntüler kullanılarak üç farklı böcek türünün otomatik tespiti ve sınıflandırılması amaçlanmıştır: Trialeurodes vaporariorum (beyaz sinek), Macrolophus pygmaeus ve Nesidiocoris tenuis. Görüntüler sera ortamında toplanmış, uzmanlarca etiketlenmiştir. YOLOv8 ve RF-DETR modelleri ile nesne tespiti yapılmış: tespit edilen böcekler VGG19, ResNet50, NASNet Mobile ve FGCN gibi modellerle sınıflandırılmıştır. Sonuçlara göre, YOLOv8 küçük nesne tespitinde %81,6 mAP50 başarısı göstermiştir. RF-DETR, büyük nesnelerde %77,1 mAP50 değeriyle daha başarılı olmuştur. Sınıflandırmada ise VGG19 modeli %97.05 doğruluk ile en yüksek performansı sağlamıştır. Bu çalışma, düşük maliyetli ve yüksek doğruluklu dijital feromon tuzaklarına entegre edilebilecek bir sistem önererek, akıllı tarım uygulamaları için katkı sağlamaktadır.
Keywords : Derin Öğrenme, Nesne Tespiti, Dijital Feromon Tuzağı, Akıllı Tarım, Sarı Yapışkan Tuzak, Otomatik Böcek Tanıma

ORIGINAL ARTICLE URL