Elma Bitkisindeki Hastalıkların Yapay Zekâ Yöntemleri ile Tespiti ve Yapay Zekâ Yöntemlerinin Performanslarının Karşılaştırılması

Bekir AKSOY; Helin Diyar HALİS; Osamah Khaled Musleh SALMAN

Makale detayları

Elma Bitkisindeki Hastalıkların Yapay Zekâ Yöntemleri ile Tespiti ve Yapay Zekâ Yöntemlerinin Performanslarının Karşılaştırılması

Yazarlar:

Bekir AKSOY | Helin Diyar HALİS | Osamah Khaled Musleh SALMAN

Yayıncı:

Ahmet Ali SÜZEN

Ana Başlıklar:

Uygulamalı fizik

Dergi:

International Journal of Engineering and Innovative Research 2020 Vol.2 Issue 3, pp.194-210

Belge Tipi:

Makale

Yayın Tarihi:

11/2020

Belge Dili:

Türkçe

Document ID (Org No.):

2000460676

Sıklık:

Üç Yıllık

eISSN:

2687-2153

Özet:

 

Yapay zekânın hayatımıza girmesiyle tarım alanında yapılan yapay zekâ uygulamaları oldukça popüler hale gelmiştir. Tarım alanında karşılaşılan bitki hastalıkları üzerinde durulması gereken önemli bir konu olup bu problemin çözümü için yapay zekâdan yardım alınmaktadır. Çalışmada, elma bitkisindeki uyuz, siyah çürük ve pas hastalığına sahip yaprakların yapay zekâ ile tespiti için evrişimsel sinir ağları (CNN) mimarileri kullanılmıştır. Çalışmada kullanılan CNN içerisinde yer alan AlexNet, DenseNet-121, ResNet-34, VGG16-BN ve Squeezenet1_0 mimarilerinin karışıklık matrisine göre performansları değerlendirilerek en iyi doğruluk, duyarlılık, özgüllük ve F-skor değerleri bulunmuştur. Sonuç olarak test veri seti için yapay zekâ ile elma bitkisindeki hastalık tespitinde en iyi modelin duyarlılık, özgüllük, doğruluk ve F-skor için sırasıyla  %97,64, %99,54, %99,52, %98,62 değerleri ile ResNet-34 olduğu belirlenmiştir.

 


Yapay zekânın hayatımıza girmesiyle tarım alanında yapılan yapay zekâ uygulamaları oldukça popüler hale gelmiştir. Tarım alanında karşılaşılan bitki hastalıkları üzerinde durulması gereken önemli bir konu olup bu problemin çözümü için yapay zekâdan yardım alınmaktadır. Çalışmada, elma bitkisindeki uyuz, siyah çürük ve pas hastalığına sahip yaprakların yapay zekâ ile tespiti için evrişimsel sinir ağları (CNN) mimarileri kullanılmıştır. Çalışmada kullanılan CNN içerisinde yer alan AlexNet, DenseNet-121, ResNet-34, VGG16-BN ve Squeezenet1_0 mimarilerinin karışıklık matrisine göre performansları değerlendirilerek en iyi doğruluk, duyarlılık, özgüllük ve F-skor değerleri bulunmuştur. Sonuç olarak test veri seti için yapay zekâ ile elma bitkisindeki hastalık tespitinde en iyi modelin duyarlılık, özgüllük, doğruluk ve F-skor için sırasıyla %97,64, %99,54, %99,52, %98,62 değerleri ile ResNet-34 olduğu belirlenmiştir.

.

Makale detayları

Elma Bitkisindeki Hastalıkların Yapay Zekâ Yöntemleri ile Tespiti ve Yapay Zekâ Yöntemlerinin Performanslarının Karşılaştırılması

Yazarlar: Bekir AKSOY | Helin Diyar HALİS | Osamah Khaled Musleh SALMAN

Yayıncı: Ahmet Ali SÜZEN

Ana Başlıklar: Uygulamalı fizik

Dergi: International Journal of Engineering and Innovative Research 2020 Vol.2 Issue 3, pp.194-210

Belge Tipi: Makale

Yayın Tarihi: 11/2020

Belge Dili: Türkçe

Document ID (Org No.): 2000460676

Sıklık: Üç Yıllık

eISSN: 2687-2153

Sayı

Yazarlar:

Bekir AKSOY | Helin Diyar HALİS | Osamah Khaled Musleh SALMAN

Yayıncı:

Ahmet Ali SÜZEN

Ana Başlıklar:

Uygulamalı fizik

Dergi:

International Journal of Engineering and Innovative Research 2020 Vol.2 Issue 3, pp.194-210

Belge Tipi:

Makale

Yayın Tarihi:

11/2020

Belge Dili:

Türkçe

Document ID (Org No.):

2000460676

Sıklık:

Üç Yıllık

eISSN:

2687-2153