Bilgisayar Bilimleri
Yazarlar: Mustafa GÖKSU, Kubilay Muhammed SÜNNETCİ, Ahmet ALKAN
Konular:Bilgisayar Bilimleri, Yapay Zeka
DOI:10.53070/bbd.989305
Anahtar Kelimeler:Derin öğrenme,Görüntü işleme,Evrişimli sinir ağları (ESA),Mısır yaprağı hastalıkları,EfficientNetB5
Özet: Günümüzde insanların sağlıklı yaşayabilmeleri için temel besinlere kolayca erişebilmeleri gerekmektedir. Temel besinlerden olan mısırda insanoğlunun fizyolojik ihtiyaçlarını karşılayabilecek kalorinin sağlanması yanında mısırda yer alan B6 vitamini, sodyum, magnezyum, çinko, potasyum, kalsiyum, A vitamini gibi değerli mineraller ve vitaminler bulunmaktadır. Dünya’da ve ülkemizde dünya nüfusunun artmasıyla, mısıra olan ihtiyaç gün geçtikçe artmaktadır. Bu noktada, mısır üretiminin verimliliğini düşüren mısır yapraklarında görülen hastalıkların tespiti önemlidir. Gelişen teknolojiler sayesinde mısır yetiştiriciliğinde teknolojik imkânlar kullanılarak üreticilerin teşvik edilmesi gerekmektedir. Bu çalışma sayesinde, mısır yapraklarında görülen mısır pası, gri yaprak lekesi ve yaprak yanığı tespitinin gerçekleştirilmesi amaçlanmıştır. Ayrıca, derin öğrenme yöntemleri kullanılarak mısır yapraklarında görülen hastalıkların tespit edilebilmesi için EfficientNetB5 ağı ve evrişimsel sinir ağları tabanlı iki adet model geliştirilmiştir. Oluşturulan modellerin performans metriklerini arttırabilmek için, görüntülerin sayısı veri çoğaltma teknikleri kullanılarak (aynalama, döndürme, büyültme) arttırılmıştır. Sonuçlardan, EfficientNetB5 transfer öğrenmesi modeli ve geliştirilen derin öğrenme modelinde elde edilen tahmin başarı oranlarının sırasıyla %92.12 ve %89.88’e eşit olduğu görülmektedir.