Yapay Zeka Temelli Bazı Nar Hastalıklarının Tahmini
2025
Ramazan Gündüz | Mustafa Can Bingol | Osman Tayfun Bişkin
Tarım sektöründe bitki hastalıklarının erken teşhisi ve sınıflandırılması, ürün kayıplarının azaltılması ve verimliliğin artırılması açısından büyük önem taşımaktadır. Özellikle nar meyvesi, ekonomik değeri yüksek olan bir ürün olup hastalıkları hem kaliteyi hem de üretimi ciddi şekilde etkileyebilmektedir. Bu bağlamda, nar meyvesinin çeşitli hastalıklarının teşhisi ve sınıflandırılması için makine öğrenmesi ve derin öğrenme yöntemlerinin kullanımı araştırılmaktadır. Çalışmada, Hindistan’ın Karnataka eyaletindeki çiftliklerden toplanan 5099 nar görüntüsü kullanılmıştır. Görüntüler; Kahverengi Leke Hastalığı, Kara Leke Hastalığı, Bakteriyel Yanıklık, Yaprak Lekesi Hastalığı ve Sağlıklı olmak üzere beş sınıfa ayrılmıştır. Veri seti Destek Vektör Makineleri (DVM), Karar Ağaçları (KA) ve Evrişimli Sinir Ağları (ESA) kullanılarak sınıflandırılmıştır. Bulgular, ESA modellerinin nar hastalıklarının tespitinde diğer makine öğrenme yöntemlerine göre yüksek doğruluk oranları sağladığını göstermektedir. Özellikle, iki konvolüsyon katmanlı ESA modeli %88 doğruluk oranı ile en iyi performansı sergilemiştir. Karar ağaçları ise diğer modellere kıyasla daha düşük doğruluk oranlarına sahip olmuştur. Derin öğrenme ve makine öğrenmesi modellerinin bitki hastalıklarının teşhisinde etkin bir şekilde kullanılabileceği ve tarım sektöründe verimliliği artırabileceği ortaya konmuştur.
Afficher plus [+] Moins [-]Mots clés AGROVOC
Informations bibliographiques
Cette notice bibliographique a été fournie par Directory of Open Access Journals
Découvrez la collection de ce fournisseur de données dans AGRIS
