TARIMSAL SENSÖR VERİLERİ KULLANILARAK BİTKİ HASTALIKLARININ ERKEN TESPİTİ İÇİN LSTM TABANLI DERİN ÖĞRENME MODELİ
Bitki hastalıklarının güvenilir ve zamanında tanımlanması modern tarımda çok önemli bir zorluktur. Geleneksel yöntemler gözle görülür semptomların manuel olarak gözlemlenmesine dayanır. Görünür semptomlar, enfeksiyonun orta veya geç aşamalarında ortaya çıkma eğilimindedir; bu da yayılma veya verim a...
Saved in:
| Main Authors: | , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Eskişehir Osmangazi University
2025-04-01
|
| Series: | Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi |
| Subjects: | |
| Online Access: | https://dergipark.org.tr/tr/download/article-file/4126115 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Bitki hastalıklarının güvenilir ve zamanında tanımlanması modern tarımda çok önemli bir zorluktur. Geleneksel yöntemler gözle görülür semptomların manuel olarak gözlemlenmesine dayanır. Görünür semptomlar, enfeksiyonun orta veya geç aşamalarında ortaya çıkma eğilimindedir; bu da yayılma veya verim azalması olasılığını artırır. Bitki hastalıkları gözle görülebilir hale geldikten sonra hastalık bulaşmış olmakta ve tedavi için geç kalınmış olmaktadır. Bu sebeplerden dolayı bitki hastalıkların gözle görülmeden önce tespit edilebilmesi için daha düşük maliyetli olan çözümlere ihtiyaç vardır. Bu çalışmada, serada yetiştirilen hıyar bitkilerinde ortaya çıkabilecek virüs etkilerinin derin öğrenme ve yapay zeka uygulamaları yardımıyla erken dönemde tespit edilmesi hedeflenmiştir. Bu amaçla bitki hastalıklarının erken tespiti için LSTM tabanlı bir derin öğrenme modeli önerilmiştir. Bu modelde kullanılan veriler için, hastalık inoküle edilen ve sağlıklı bitkilerin bulunduğu iklim odaları kurulmuştur ve toprak sensörleri kullanılarak hıyar bitkisinden zamansal veriler toplanmıştır. Daha sonra veri hazırlama süreci içerisinde verilerin temizlenmesi, özniteliklerinin çıkarılması ve etiketleme gibi işlemler yapılmıştır. Eğitim aşamasından sonra model, tarımsal sensörlerden gelen zaman serisi verilerini analiz ederek anomali tespiti yapabilmekte, bu sayede bitki hastalıkların görsel belirtileri ortaya çıkmadan hastalıklı olduklarını söylemektedir. Modelin performansını değerlendirmek için doğruluk, sınıflandırma raporu, karışıklık matrisi gibi metrikler kullanılmıştır. Elde edilen sonuçlar oldukça başarılı; model %99.95 doğruluk sağlamış ve anomali tespiti konusunda yüksek başarı göstermiştir. Yapılan çalışma sonucunda bitki hastalıkların erken tespiti ile minimum zirai ilaçlama ile maliyet düşürücü tedbirler en üst seviyede alınabilecek insan ve çevre maksimum seviyede korunmuş olacaktır. |
|---|---|
| ISSN: | 2630-5712 |