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

Abstract

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.