Domates yapraklarında hastalık tespiti için önerilen hafif evrişimli sinir ağı ile önceden eğitilmiş ağların performans karşılaştırması

Abstract

Domateslerde oluşan hastalıkların çoğu yaprakların gözlemlenmesi ile belirlenebilir. Bu nedenle domates yapraklarının gözlemlenmesi, sebze yetiştiriciliğinde kritik bir öneme sahiptir. Yaprakların üzerinde bulunan izler, renk değişimleri, kıvrıklık vb. hastalığı ya da hastalık riski oluşturabilecek bir virüsü işaret edebilir. Yaprakların sağlığının korunması domateslerin de verimliliğini artıracağından, yaprak gelişimlerinin gözlemlenmesi, olası hastalık risklerinin önceden doğru ve hızlı tespitinin yapılması bir gerekliliktir. Önerilen çalışmada, domates bitkisinin yapraklarında oluşan 9 farklı hastalığı ve sağlıklı yaprakları tespit edebilen "T-LeafNet" Evrişimsel Sinir Ağı (ESA-CNN) modeli önerilmiştir. Önerilen ağ sıfırdan eğitilerek sınıflandırma başarısı ölçülmüştür. Ayrıca, öğrenme aktarımı (transfer learning) kapsamında hazır ağ modellerinden MobileNetV2, AlexNet ve VGG16 mimarileri de veri kümesi üzerinde test edilmiş ve sonuçlar karşılaştırılmıştır. Testler orjinal ve artırılmış veriler üzerinde farklı öğrenme katsayıları ile uygulanarak, veri artırma ve öğrenme katsayı parametresinin başarıma etkisi de incelenmiştir. T-LeafNet, AlexNet, MobileNetV2 ve VGG16 ağlarının en yüksek sınıflandırma performansları %97,32, %98,32, %99,1 ve %99,21 olarak ölçülmüştür. Eğitim zamanı ve sınıflandırma performansları göz önünde bulundurulduğunda, önerilen T-LeafNet ağının, test edilen diğer ağlara kıyasen daha kısa süre ve az kaynakla, yüksek performans verdiği gözlemlenmiştir.