Convolutional Neural Networks for Image-Based Digital Plant Phenotyping

Authors : Tolga ENSARİ, Dariel Courage ARMAH, Ahmet Emre BALSEVER, Mustafa DAĞTEKİN

Pages : 338-342

Doi:10.31590/ejosat.780087

View : 104 | Download : 16

Publication Date : 2020-08-15

Article Type : Research Paper

Abstract :Bitkiler çevrenin en önemli bileşenlerinden biridir. Küresel ısınmanın, sürdürülebilir ürün yetiştirme programlarını zorlaştıran, kuraklık gibi etkileri sebebiyle, milyonlarca insan yetersiz beslenmektedir. Bu çalışmanın amacı bilgisayar görüsü, resim tabanlı makine öğrenmesi teknikleri ve evrişimli sinir ağları kullanarak, Uluslararası Bitki Fenotipleme Ağı tarafından araştırmacılara yardımcı olmak amacıyla, bitki yetiştiricilerinin arzu edeceği mahsul özelliklerine sahip ve daha zorlu çevre koşullarına dayanabilecek, canlı bitkilerin üretimine yardımcı olacak genleri belirlemek için, bir model sunmak ve test etmektir. Ayrıca, Türkiye'de ve çevresinde türünün ilk örneği olan bu çalışma, tarımın bu alanında gelecekteki akademik araştırmalar için bir zemin sağlamayı amaçlamaktadır. Seçilen ölçüt mutantların sınıflandırılma kriteridir (bitki hastalık tespiti). Bu araştırmada seçilen veri kümesi, Türkiye'de bulunabilecek başlıca bitki ürünlerinden mısır ve üzümdür. Üzüm ve mısırı etkileyen üç farklı bitki hastalığı sırasıyla kullanılmıştır ve özel evrişimli sinir ağı için toplam 8 farklı sınıfta, eğitim ve test olmak üzere 1600 açıklamalı görüntüye karşılık gelen sağlıklı üzüm ve mısır veri kümesi görüntüsü eklenmiştir. Sonuçlar, geliştirilen modelin eğitimden sonra test veri kümesinde % 97.03 doğruluk elde ettiğini göstermektedir. Böylece çalışmada, geliştirilen modelin şu anda kullanılan evrişimli sinir ağı modellerinden daha iyi performans gösterdiği ve görüntü algılama alanında daha fazla araştırma için bir temel olarak kullanılabileceği sonucuna varılmıştır.
Keywords : Dijital Bitki Fenotipleme, Konvolüsyon Sinir Ağları CNN, Bilgisayar Görüsü, Bitki Hastalığı Tespiti

ORIGINAL ARTICLE URL