Affiliation:
1. Bandırma Onyedi Eylül Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Yazılım Mühendisliği
2. IĞDIR ÜNİVERSİTESİ
Abstract
Günümüzde, tarımsal faaliyetlerin verimli hale getirilmesi için her gün birçok araştırma yapılmaktadır. Dünya genelinde kişi başı domates tüketimi, yılda yaklaşık olarak 20 kg ile ilk sıralarda yer almaktadır. Bu nedenle domates üretiminde oluşabilecek hastalıkların tespiti üreticiler için büyük önem arz etmektedir. Hastalıkların çoğu domates yaprağı temelli olduğu için, domates yaprağının sağlıklı olması, elde edilecek ürünlerinde verimliliğinin artması ve sonuç olarak yüksek bir hasat getirir. Bu yüzden domates yaprağında oluşabilecek hastalıkların erken ve hızlı şekilde tespit edilmesi, domates üretiminde büyük bir önem arz etmektedir. Bu çalışmada, domates yaprağında meydana gelen hastalıkları tespit edebilmek için DenseNet, ResNet50 ve MobileNet mimarileri kullanılmıştır. Deneysel sonuçların karşılaştırılması için hata, doğruluk, kesinlik, f1-skor ve duyarlılık metrikleri dikkate alınarak değerlendirme yapılmıştır. Deneysel sonuçlarda en iyi performans DenseNet modeli ile sağlanmış ve sırasıyla 0.0269 hata, 0.9900 doğruluk, 0.9880 kesinlik, 0.9892 f1-skor ve 0.9906 duyarlılık sonuçları elde edilmiştir. Deneysel sonuçlara göre derin öğrenme modelleri domates yaprağı hastalıklarının sınıflandırılmasında yüksek bir başarım ve güvenilirlik sunduğu görülmüştür.
Publisher
Bandirma Onyedi Eylul University
Subject
General Medicine,General Chemistry
Reference39 articles.
1. S. Zhao, Y. Peng, J. Liu, ve S. Wu “Tomato leaf disease diagnosis based on improved convolution neural network by attention module”, Agriculture, vol. 11, no 7, pp. 651, 2021.
2. S. Mansoor vd., “Evidence for the association of a bipartite geminivirus with tomato leaf curl disease in Pakistan”, Plant Dis., vol. 81, no. 8, pp. 958-958, 1997.
3. A. Raza vd., “First report of tomato chlorosis virus infecting tomato in Pakistan”, Plant Dis, vol. 104, no. 2036, pp. 10-1094, 2020.
4. S. Adhikari, D. Unit, B. Shrestha, ve B. Baiju, “Tomato Plant Diseases Detection System”, 1st KEC Conference Proceedings, pp. 81-86, 2018.
5. A. Fuentes, S. Yoon, S.C. Kim, ve D.S. Park “A robust deep-learning-based detector for real-time tomato plant diseases and pests recognition”, Sensors, vol. 17, no. 9, pp. 2022, 2017.
Cited by
2 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献