A deep learning based approach for the detection of diseases in pepper and potato leaves

Eser SERT

doi:https://doi.org/10.7161/omuanajas.805152

Makale detayları

A deep learning based approach for the detection of diseases in pepper and potato leaves

Yazarlar:

Eser SERT

Yayıncı:

Ondokuz Mayıs University

Dergi:

Anadolu Journal of Agricultural Sciences 2021 Vol.36 Issue 2, pp.167-178

Belge Tipi:

Makale

Yayın Tarihi:

6/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000865868

Sıklık:

Aylık

eISSN:

1308-8769

pISSN:

1308-8750

DOI:

https://doi.org/10.7161/omuanajas.805152

Anahtar kelimeler:

Özet:

 

The present study proposes a Faster R-CNN Object Detection Approach with GoogLeNet Classifier (Faster R-CNN-GC) using image stitching, Faster R-CNN and GoogLeNet to detect pepper and potato leaves as well as leaf diseases in them. It is widely known that for a successful object detection performance, Faster R-CNN requires performing image labelling on a very high number of data, which will later train Faster R-CNN. However, this process is often very time-consuming. The present study mainly aims to shorten this process by designing an object detection approach which benefits from Faster R-CNN and GoogLeNet architecture. Firstly, Faster R-CNN and GoogLeNet were trained. Later, for the testing process, some of two-piece images were combined using an image stitching approach. Finally, using Faster R-CNN and GoogLeNet, pepper and potato leaves are detected and diseases are written on them. In addition, the proposed system was compared with Faster R-CNN Object Detection Approach with AlexNet Classifier (Faster R-CNN-AC), Faster R-CNN Object Detection Approach with SequezeNet Classifier (Faster R-CNN-SC) and Faster R-CNN. The findings of the experimental studies demonstrated that Faster R-CNN-GC displayed a higher object detection performance compared to other approaches.

 

Bu çalışmada, görüntü birleştirme, daha hızlı-bölgesel evrişimsel sinir ağı (Faster R-CNN) ve GoogLeNet kullanılarak biber ve patates yapraklarını tespit eden ve tespit edilen yapraklardaki hastalık türünü gösteren, GoogLeNet sınıflandırıcılı Faster R-CNN nesne tespit yaklaşımı (Faster R-CNN-GC) önerilmiştir. Bilindiği gibi, Faster R-CNN’nin başarılı bir şekilde nesne tespitini gerçekleştirebilmesi için, çok fazla eğitim datası üzerinde imge etiketleme yapılması ve bu datalarla Faster R-CNN’nin eğitim sürecinden geçirilmesi gerekmektedir. Fakat bu süreç çok zaman alıcıdır. Bu çalışmadaki temel amaç bu süreci kısaltmak için Faster R-CNN ve GoogLeNet mimarisinin birlikte çalıştığı bir nesne tespit yaklaşımının tasarlanmasıdır. Çalışmada başlangıçta Faster R-CNN ve GoogLeNet’in eğitim süreci tamamlamıştır. Ardından test sürecine geçilmiş ve bazı test resimleri iki parçalı olduğu için görüntü birleştirme yaklaşımıyla bu görüntüler birleştirilmiştir. Ardından, Faster R-CNN ile resimdeki yaprak/yapraklar tespiti edilmiş ve GoogLeNet ile hastalık durumu belirlenmiştir. Bunlara ek olarak önerilen sistem, AlexNet sınıflandırıcılı Faster R-CNN nesne tespit yaklaşımı (Faster R-CNN-AC), SequezeNet sınıflandırıcılı Faster R-CNN nesne tespit yaklaşımı (Faster R-CNN-SC) ve Faster R-CNN ile karşılaştırılmıştır. Gerçekleştirilen deneysel çalışmalar önerilen Faster R-CNN-GC’nin diğer yaklaşımlara göre daha üstün bir şekilde nesne tespitini gerçekleştirdiği göstermiştir.

Makale detayları

A deep learning based approach for the detection of diseases in pepper and potato leaves

Yazarlar:

Eser SERT

Yayıncı:

Ondokuz Mayıs University

Dergi:

Anadolu Journal of Agricultural Sciences 2021 Vol.36 Issue 2, pp.167-178

Belge Tipi:

Makale

Yayın Tarihi:

6/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000865868

Sıklık:

Aylık

eISSN:

1308-8769

pISSN:

1308-8750

DOI:

https://doi.org/10.7161/omuanajas.805152

Yaprak hastalık tespiti

Faster R-CNN

Nesne tespiti

GoogLeNet

SequezeNet

AlexNet

Sayı

Makale detayları

A deep learning based approach for the detection of diseases in pepper and potato leaves

Yazarlar: Eser SERT

Yayıncı: Ondokuz Mayıs University

Dergi: Anadolu Journal of Agricultural Sciences 2021 Vol.36 Issue 2, pp.167-178

Belge Tipi: Makale

Yayın Tarihi: 6/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000865868

Sıklık: Aylık

eISSN: 1308-8769

pISSN: 1308-8750

DOI: https://doi.org/10.7161/omuanajas.805152

Yaprak hastalık tespiti

Faster R-CNN

Nesne tespiti

GoogLeNet

SequezeNet

AlexNet

Sayı

Yazarlar:

Eser SERT

Yayıncı:

Ondokuz Mayıs University

Dergi:

Anadolu Journal of Agricultural Sciences 2021 Vol.36 Issue 2, pp.167-178

Belge Tipi:

Makale

Yayın Tarihi:

6/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000865868

Sıklık:

Aylık

eISSN:

1308-8769

pISSN:

1308-8750

DOI:

https://doi.org/10.7161/omuanajas.805152