Detection of the Metcalfa pruinosa (Hemiptera: Flatidae) pest on the Jujube plant (Ziziphus jujuba) using a sequence of YOLOv5 models

Atilla Erdinç; Hilal Erdoğan

Makale detayları

Detection of the Metcalfa pruinosa (Hemiptera: Flatidae) pest on the Jujube plant (Ziziphus jujuba) using a sequence of YOLOv5 models

Yazarlar:

Atilla Erdinç | Hilal Erdoğan

Yayıncı:

Mevlüt AKÇURA

Ana Başlıklar:

Precision Agriculture Technologies | Agricultural Machine Systems | Agricultural Machines

Dergi:

Turkish Journal of Agricultural and Natural Sciences Vol.11 Issue 3, pp.797-806

Belge Tipi:

Makale

Yayın Tarihi:

7/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001323714

pISSN:

2148-3647

Anahtar kelimeler:

Özet:

 Bu çalışma, hünnap bitkilerinde gözlemlenen Metcalfa pruinosa zararlısının erginlerini tespit etmek amacıyla YOLOv5 algoritmasının v5s, v5m ve v5l modellerini kullanmayı hedeflemiştir. Böylelikle, tarımsal mücadelenin başlama anını belirlemek için kullanılan cihazlar ve zararlı popülasyon yoğunluğuna göre ilaçlama yapan robotik sistemler için bir kaynak teşkil etmektedir. Modellerin eğitimi için kullanılacak görüntüler elde edildikten sonra, veri artırımı yöntemleri kullanılarak veri setleri genişletilmiş ve görüntüler Roboflow kullanılarak etiketlenmiştir. Ardından, bu veriler kullanılarak modeller eğitilmiş ve eğitilen modellerin box_loss, obj_loss, precision, recall, mAP_0.5 ve mAP_0.5:0.95 gibi performans metrikleri analiz edilmiştir. YOLOv5s modelinde, box_loss ve obj_loss performans metriklerinin sırasıyla 0.02858 ve 0.0055256 değerleri ile en yüksek olduğu bulunmuştur. YOLOv5m modelinde, recall performans metriğinin 0.98127 değeri ile en yüksek olduğu tespit edilmiştir. YOLOv5l modelinde ise precision, mAP_0.5 ve mAP_0.5:0.95 performans metriklerinin sırasıyla 0.98122, 0.99500 ve 0.67864 değerleri ile en yüksek olduğu belirlenmiştir. Sonuç olarak, YOLOv5l modeli diğerlerine göre daha yüksek doğruluk sergilemektedir. YOLOv5l modelinin, Metcalfa pruinosa zararlısının tespiti için yeterli olduğu düşünülmektedir.

 Bu çalışma, hünnap bitkilerinde gözlemlenen Metcalfa pruinosa zararlısının erginlerini tespit etmek amacıyla YOLOv5 algoritmasının v5s, v5m ve v5l modellerini kullanmayı hedeflemiştir. Böylelikle, tarımsal mücadelenin başlama anını belirlemek için kullanılan cihazlar ve zararlı popülasyon yoğunluğuna göre ilaçlama yapan robotik sistemler için bir kaynak teşkil etmektedir. Modellerin eğitimi için kullanılacak görüntüler elde edildikten sonra, veri artırımı yöntemleri kullanılarak veri setleri genişletilmiş ve görüntüler Roboflow kullanılarak etiketlenmiştir. Ardından, bu veriler kullanılarak modeller eğitilmiş ve eğitilen modellerin box_loss, obj_loss, precision, recall, mAP_0.5 ve mAP_0.5:0.95 gibi performans metrikleri analiz edilmiştir. YOLOv5s modelinde, box_loss ve obj_loss performans metriklerinin sırasıyla 0.02858 ve 0.0055256 değerleri ile en yüksek olduğu bulunmuştur. YOLOv5m modelinde, recall performans metriğinin 0.98127 değeri ile en yüksek olduğu tespit edilmiştir. YOLOv5l modelinde ise precision, mAP_0.5 ve mAP_0.5:0.95 performans metriklerinin sırasıyla 0.98122, 0.99500 ve 0.67864 değerleri ile en yüksek olduğu belirlenmiştir. Sonuç olarak, YOLOv5l modeli diğerlerine göre daha yüksek doğruluk sergilemektedir. YOLOv5l modelinin, Metcalfa pruinosa zararlısının tespiti için yeterli olduğu düşünülmektedir.

 Bu çalışma, hünnap bitkilerinde gözlemlenen Metcalfa pruinosa zararlısının erginlerini tespit etmek amacıyla YOLOv5 algoritmasının v5s, v5m ve v5l modellerini kullanmayı hedeflemiştir. Böylelikle, tarımsal mücadelenin başlama anını belirlemek için kullanılan cihazlar ve zararlı popülasyon yoğunluğuna göre ilaçlama yapan robotik sistemler için bir kaynak teşkil etmektedir. Modellerin eğitimi için kullanılacak görüntüler elde edildikten sonra, veri artırımı yöntemleri kullanılarak veri setleri genişletilmiş ve görüntüler Roboflow kullanılarak etiketlenmiştir. Ardından, bu veriler kullanılarak modeller eğitilmiş ve eğitilen modellerin box_loss, obj_loss, precision, recall, mAP_0.5 ve mAP_0.5:0.95 gibi performans metrikleri analiz edilmiştir. YOLOv5s modelinde, box_loss ve obj_loss performans metriklerinin sırasıyla 0.02858 ve 0.0055256 değerleri ile en yüksek olduğu bulunmuştur. YOLOv5m modelinde, recall performans metriğinin 0.98127 değeri ile en yüksek olduğu tespit edilmiştir. YOLOv5l modelinde ise precision, mAP_0.5 ve mAP_0.5:0.95 performans metriklerinin sırasıyla 0.98122, 0.99500 ve 0.67864 değerleri ile en yüksek olduğu belirlenmiştir. Sonuç olarak, YOLOv5l modeli diğerlerine göre daha yüksek doğruluk sergilemektedir. YOLOv5l modelinin, Metcalfa pruinosa zararlısının tespiti için yeterli olduğu düşünülmektedir.

 Bu çalışma, hünnap bitkilerinde gözlemlenen Metcalfa pruinosa zararlısının erginlerini tespit etmek amacıyla YOLOv5 algoritmasının v5s, v5m ve v5l modellerini kullanmayı hedeflemiştir. Böylelikle, tarımsal mücadelenin başlama anını belirlemek için kullanılan cihazlar ve zararlı popülasyon yoğunluğuna göre ilaçlama yapan robotik sistemler için bir kaynak teşkil etmektedir. Modellerin eğitimi için kullanılacak görüntüler elde edildikten sonra, veri artırımı yöntemleri kullanılarak veri setleri genişletilmiş ve görüntüler Roboflow kullanılarak etiketlenmiştir. Ardından, bu veriler kullanılarak modeller eğitilmiş ve eğitilen modellerin box_loss, obj_loss, precision, recall, mAP_0.5 ve mAP_0.5:0.95 gibi performans metrikleri analiz edilmiştir. YOLOv5s modelinde, box_loss ve obj_loss performans metriklerinin sırasıyla 0.02858 ve 0.0055256 değerleri ile en yüksek olduğu bulunmuştur. YOLOv5m modelinde, recall performans metriğinin 0.98127 değeri ile en yüksek olduğu tespit edilmiştir. YOLOv5l modelinde ise precision, mAP_0.5 ve mAP_0.5:0.95 performans metriklerinin sırasıyla 0.98122, 0.99500 ve 0.67864 değerleri ile en yüksek olduğu belirlenmiştir. Sonuç olarak, YOLOv5l modeli diğerlerine göre daha yüksek doğruluk sergilemektedir. YOLOv5l modelinin, Metcalfa pruinosa zararlısının tespiti için yeterli olduğu düşünülmektedir.

Makale detayları

Detection of the Metcalfa pruinosa (Hemiptera: Flatidae) pest on the Jujube plant (Ziziphus jujuba) using a sequence of YOLOv5 models

Yazarlar:

Atilla Erdinç | Hilal Erdoğan

Yayıncı:

Mevlüt AKÇURA

Ana Başlıklar:

Precision Agriculture Technologies | Agricultural Machine Systems | Agricultural Machines

Dergi:

Turkish Journal of Agricultural and Natural Sciences Vol.11 Issue 3, pp.797-806

Belge Tipi:

Makale

Yayın Tarihi:

7/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001323714

pISSN:

2148-3647

Metcalfa pruinosa

Ziziphus jujuba

image processing

YOLOv5 algorithmMetcalfa pruinosa

Ziziphus jujuba

görüntü işleme

YOLOv5 algoritması

Sayı

Makale detayları

Yazarlar: Atilla Erdinç | Hilal Erdoğan

Yayıncı: Mevlüt AKÇURA

Ana Başlıklar: Precision Agriculture Technologies | Agricultural Machine Systems | Agricultural Machines

Dergi: Turkish Journal of Agricultural and Natural Sciences Vol.11 Issue 3, pp.797-806

Belge Tipi: Makale

Yayın Tarihi: 7/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001323714

pISSN: 2148-3647

Sayı

Yazarlar:

Atilla Erdinç | Hilal Erdoğan

Yayıncı:

Mevlüt AKÇURA

Ana Başlıklar:

Precision Agriculture Technologies | Agricultural Machine Systems | Agricultural Machines

Dergi:

Turkish Journal of Agricultural and Natural Sciences Vol.11 Issue 3, pp.797-806

Belge Tipi:

Makale

Yayın Tarihi:

7/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001323714

pISSN:

2148-3647