Atıf Sayısı
9
Görüntüleme
28
İndirme
8
Tarım ürünleri, dünyadaki canlıların beslenme ihtiyaçlarının karşılanması bakımından oldukça önemlidir. Dünya nüfusundaki hızlı artış tarımsal ürünlerde verimliğin arttırılmasını zorunlu hale getirmektedir. Sınırlı tarım alanlarında ürün verimliliğinin sağlanabilmesi bitkilerde görülebilecek hastalıklarının etkili bir şekilde ve zamanında tespiti oldukça önemlidir. Özellikle bazı meyve ağaçlarının kısa ömürlü olması bu ağaçlardaki hastalıkların doğru, zamanında ve hızlı bir şekilde tespitini daha önemli hale getirmektedir. Son zamanlarda görüntü işlemede yaygın olarak kullanılan derin öğrenme, tarımsal faaliyetlerde etkili uygulamalar sunmaktadır. Bu çalışmada, şeftali ağacı hastalıklarının tespiti için evrişimli sinir ağ yöntemi önerilmiştir. Önerilen yöntemde, daha önceden eğitilmiş AlexNet modeli ile şeftali ağaçlarında görülen monilya ve koşnili hastalık tespiti yapılmıştır. Deneysel çalışmalarda, TRB1 bölgesinden alınan gerçek hastalık görüntülerinden oluşan veri seti ile gerçekleştirildi. Yapılan deneysel çalışmalarda %99,30 doğruluk oranında hastalık tespiti yapılmıştır. Mevcut çalışmalardan %1,44 daha yüksek doğruluk oranına sağlandı.
The agricultural products are very important for the satisfaction of the nutritional needs of the world’s animals. The rapid growth of the world’s population makes it compulsory to increase productivity in agricultural products. It is very important to ensure product efficiency in limited agricultural areas to effectively and timely detect the diseases that can be seen in plants. In particular, the short life of some fruit trees makes it more important to detect diseases in these trees in a proper, timely and rapid way. Deep learning, which is widely used in the image processing recently, offers effective applications in agricultural activities. In this study, an evolutionary nerve network method was recommended for the detection of pepper tree diseases. In the recommended method, the previously trained AlexNet model has been identified with monilla and conjunctival diseases found in peanut trees. Experimental studies were carried out with a set of data consisting of real illness images taken from the TRB1 region. In the experimental studies, the disease was diagnosed with a 99.30% accuracy. The accuracy rate was 1.44% higher than the current study.
Agricultural products are very important in meeting the nutritional needs of living creatures in the world. The rapid increase in the world population makes it necessary to increase the productivity in agricultural products. It is very important to ensure product productivity in limited agricultural areas and to detect diseases that can be seen in plants effectively and on time. Especially the short life of some fruit trees makes it more important to detect the diseases in these trees accurately, on time and quickly. Deep learning, which has been widely used in image processing recently, offers effective applications in agricultural activities. In this study, convolutional neural network method is proposed to detect peach tree diseases. In the proposed method, the detection of the disease with monilya laxa and sphaerolecanium prunastri in peach trees was made with the previously trained AlexNet model. Experimental studies were carried out with a dataset consisting of real disease images taken from the TRB1 region. In experimental studies, the disease was detected with an accuracy of 99.30%. Achieved 1.44% higher accuracy than existing studies.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
