Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması

Serhat Kılıçarslan; Ishak Pacal

doi:10.46387/bjesr.1273729

Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması

Öz

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.

Anahtar Kelimeler

Kaynakça

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.
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.
A. Raza vd., “First report of tomato chlorosis virus infecting tomato in Pakistan”, Plant Dis, vol. 104, no. 2036, pp. 10-1094, 2020.
S. Adhikari, D. Unit, B. Shrestha, ve B. Baiju, “Tomato Plant Diseases Detection System”, 1st KEC Conference Proceedings, pp. 81-86, 2018.
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.
B.A. Ashqar ve S.S. Abu-Naser “Image-based tomato leaves diseases detection using deep learning”, 2018.
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, p. 651, 2021.
R. Karthik, M. Hariharan, S. Anand, P. Mathikshara, A. Johnson, ve R. Menaka “Attention embedded residual CNN for disease detection in tomato leaves”, Appl. Soft Comput., vol. 86, p. 105933, 2020.

M. Agarwal, A. Singh, S. Arjaria, A. Sinha, ve S. Gupta “ToLeD: Tomato leaf disease detection using convolution neural network”, Procedia Comput. Sci., vol. 167, pp. 293-301, 2020.
H. Durmuş, E.O. Güneş, ve M. Kırcı “Disease detection on the leaves of the tomato plants by using deep learning”, 6th International conference on agro-geoinformatics, IEEE, pp. 1-5, 2017.
A. Elhassouny ve F. Smarandache “Smart mobile application to recognize tomato leaf diseases using Convolutional Neural Networks”, International Conference of Computer Science and Renewable Energies (ICCSRE), IEEE, pp. 1-4, 2019.
L.R. Burra, J. Bonam, P. Tumuluru, ve B. Narendra Kumar Rao “Fine-tuning for Transfer Learning of ResNet152 for Disease Identification in Tomato Leaves”, In Intelligent Computing and Applications, Springer Nature, pp. 295-302, 2022.
E. Cengil ve A. Çınar “Hybrid convolutional neural network based classification of bacterial, viral, and fungal diseases on tomato leaf images”, Concurr. Comput. Pract. Exp., vol. 34, no. 4, p. e6617, 2022.
S. Widiyanto, D.T. Wardani, ve S.W. Pranata “Image-Based tomato maturity classification and detection using Faster R-CNN method”, 5th International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT), IEEE, pp. 130-134, 2021.
X. Zhou, P. Wang, G. Dai, J. Yan, ve Z. Yang “Tomato Fruit Maturity Detection Method Based on YOLOV4 and Statistical Color Model”, 11th Annual International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER), IEEE, pp. 904-908, 2021.
C. S. Hlaing ve S. M. M. Zaw “Tomato plant diseases classification using statistical texture feature and color feature”, IEEE/ACIS 17th International Conference on Computer and Information Science (ICIS), IEEE, pp. 439-444, 2018.
J. Lu, G. Shao, Y. Gao, K. Zhang, Q. Wei, ve J. Cheng “Effects of water deficit combined with soil texture, soil bulk density and tomato variety on tomato fruit quality: A meta-analysis”, Agric. Water Manag., vol. 243, pp. 106427, 2021.
S. Kaur, S. Pandey, ve S. Goel “Plants disease identification and classification through leaf images: A survey”, Arch. Comput. Methods Eng., vol. 26, pp. 507-530, 2019.
P. Tm, A. Pranathi, K. SaiAshritha, N.B. Chittaragi, ve S.G. Koolagudi “Tomato leaf disease detection using convolutional neural networks”, Eleventh international conference on contemporary computing (IC3), IEEE, pp. 1-5, 2018.
T.T. Mim, M.H. Sheikh, R.A. Shampa, M.S. Reza, ve M.S. Islam “Leaves diseases detection of tomato using image processing”, 8th international conference system modeling and advancement in research trends (SMART), IEEE, pp. 244-249, 2019.
S. Kushwaha ve S. Zade “Identification of Tomato Leaf Disease Prediction Using CNN”, Int. J., vol. 7, no. 8, pp. 36-41, 2022.
A.K. Alkaff ve B. Prasetiyo “Hyperparameter Optimization on CNN Using Hyperband on Tomato Leaf Disease Classification”, IEEE International Conference on Cybernetics and Computational Intelligence (CyberneticsCom), IEEE, pp. 479-483, 2022.
H.I. Peyal, S.M. Shahriar, A. Sultana, I. Jahan, ve M. H. Mondol “Detection of tomato leaf diseases using transfer learning architectures: A comparative analysis”, International Conference on Automation, Control and Mechatronics for Industry 4.0 (ACMI), IEEE, pp. 1-6, 2021.
D. Singh, N. Jain, P. Jain, P. Kayal, S. Kumawat, ve N. Batra “PlantDoc: a dataset for visual plant disease detection”, Proceedings of the 7th ACM IKDD CoDS and 25th COMAD, pp. 249-253, 2020.
S.P. Mohanty, D. P. Hughes, ve M. Salathé “Using deep learning for image-based plant disease detection”, Front. Plant Sci., vol. 7, pp. 1419, 2016.
I. Pacal, D. Karaboga, A. Basturk, B. Akay, ve U. Nalbantoglu “A comprehensive review of deep learning in colon cancer”, Comput. Biol. Med., vol. 126, p. 104003, 2020.
A. Karaman vd. “Hyper-parameter optimization of deep learning architectures using artificial bee colony (ABC) algorithm for high performance real-time automatic colorectal cancer (CRC) polyp detection”, Appl. Intell., pp. 1-18, 2022.
M.A. Bülbül, E. Harirchian, M.F. Işık, S.E. Aghakouchaki Hosseini, ve E. Işık “A Hybrid ANN-GA Model for an Automated Rapid Vulnerability Assessment of Existing RC Buildings”, Appl. Sci., vol. 12, no. 10, 2022,
M.A. Bülbül, C. Öztürk, ve M.F. Işık “Optimization of Climatic Conditions Affecting Determination of the Amount of Water Needed by Plants in Relation to Their Life Cycle with Particle Swarm Optimization, and Determining the Optimum Irrigation Schedule”, Comput. J., vol. 65, no. 10, 2022.
M.A. Bülbül “Kuru Fasulye Tohumlarının Çok Sınıflı Sınıflandırılması İçin Hibrit Bir Yaklaşım”, J. Inst. Sci. Technol., vol. 13, no. 1, 2023.
K. Adem “Impact of activation functions and number of layers on detection of exudates using circular Hough transform and convolutional neural networks”, Expert Syst. Appl., vol. 203, p. 117583, 2022.
K. Adem ve S. Kiliçarslan, “COVID-19 Diagnosis Prediction in Emergency Care Patients using Convolutional Neural Network”, Afyon Kocatepe Üniversitesi Fen Ve Mühendis. Bilim. Derg., vol. 21, no. 2, 2021.
S. Kılıçarsalan, A. Kemal, ve M. Çelik “An overview of the activation functions used in deep learning algorithms”, J. New Results Sci., vol. 10, no. 3, pp. 75-88, 2021.
M. Hekim, O. Cömert, ve K. Adem “A hybrid model based on the convolutional neural network model and artificial bee colony or particle swarm optimization-based iterative thresholding for the detection of bruised apples”, Turk. J. Electr. Eng. Comput. Sci., vol. 28, no. 1, pp. 61-79, 2020.
E. Dönmez “Enhancing classification capacity of CNN models with deep feature selection and fusion: A case study on maize seed classification”, Data Knowl. Eng., vol. 141, p. 102075, 2022.
S. Kiliçarslan, C. Közkurt, S. Baş, ve A. Elen “Detection and classification of pneumonia using novel Superior Exponential (SupEx) activation function in convolutional neural networks”, Expert Syst. Appl., vol. 217, p. 119503, 2023.
K. Adem, S. Kiliçarslan, ve O. Cömert “Classification and diagnosis of cervical cancer with stacked autoencoder and softmax classification”, Expert Syst. Appl., vol. 115, pp. 557-564, 2019.
S. Kiliçarslan ve M. Celik “RSigELU: A nonlinear activation function for deep neural networks”, Expert Syst. Appl., vol. 174, p. 114805, 2021.
I. Pacal ve D. Karaboga “A robust real-time deep learning based automatic polyp detection system.”, Comput. Biol. Med., vol. 134, pp. 104519-104519, 2021.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Bilgisayar Yazılımı

Bölüm

Araştırma Makalesi

Yazarlar

Serhat Kılıçarslan ^*
0000-0001-9483-4425
Türkiye

Ishak Pacal
0000-0001-6670-2169
Türkiye

Erken Görünüm Tarihi

18 Ekim 2023

Yayımlanma Tarihi

27 Ekim 2023

Gönderilme Tarihi

30 Mart 2023

Kabul Tarihi

15 Mayıs 2023

Yayımlandığı Sayı

Yıl 2023 Cilt: 5 Sayı: 2

DOI

https://doi.org/10.46387/bjesr.1273729

IZ

https://izlik.org/JA36UZ54DB

Kaynak Göster

RIS / Bibtex

APA

Kılıçarslan, S., & Pacal, I. (2023). Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması. Mühendislik Bilimleri ve Araştırmaları Dergisi, 5(2), 215-222. https://doi.org/10.46387/bjesr.1273729

AMA

1.Kılıçarslan S, Pacal I. Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması. Müh.Bil.ve Araş.Dergisi. 2023;5(2):215-222. doi:10.46387/bjesr.1273729

Chicago

Kılıçarslan, Serhat, ve Ishak Pacal. 2023. “Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması”. Mühendislik Bilimleri ve Araştırmaları Dergisi 5 (2): 215-22. https://doi.org/10.46387/bjesr.1273729.

EndNote

Kılıçarslan S, Pacal I (01 Ekim 2023) Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması. Mühendislik Bilimleri ve Araştırmaları Dergisi 5 2 215–222.

IEEE

[1]S. Kılıçarslan ve I. Pacal, “Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması”, Müh.Bil.ve Araş.Dergisi, c. 5, sy 2, ss. 215–222, Eki. 2023, doi: 10.46387/bjesr.1273729.

ISNAD

Kılıçarslan, Serhat - Pacal, Ishak. “Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması”. Mühendislik Bilimleri ve Araştırmaları Dergisi 5/2 (01 Ekim 2023): 215-222. https://doi.org/10.46387/bjesr.1273729.

JAMA

1.Kılıçarslan S, Pacal I. Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması. Müh.Bil.ve Araş.Dergisi. 2023;5:215–222.

MLA

Kılıçarslan, Serhat, ve Ishak Pacal. “Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması”. Mühendislik Bilimleri ve Araştırmaları Dergisi, c. 5, sy 2, Ekim 2023, ss. 215-22, doi:10.46387/bjesr.1273729.

Vancouver

1.Serhat Kılıçarslan, Ishak Pacal. Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması. Müh.Bil.ve Araş.Dergisi. 01 Ekim 2023;5(2):215-22. doi:10.46387/bjesr.1273729

Comparative Analysis of Deep Learning-Based Feature Extraction and Traditional Classification Approaches for Tomato Disease Detection

Agronomy

https://doi.org/10.3390/agronomy15071509

A novel approach for classifying LEV motor bearing faults using a PSO-optimized CNN model and parameters based on transfer learning

Evolving Systems

https://doi.org/10.1007/s12530-025-09710-z

Discovery of Marker Genes in Adult T Cell Leukemia (ATL) Pathogenesis with Machine Learning Models and Performance Comparison

Karadeniz Fen Bilimleri Dergisi

https://doi.org/10.31466/kfbd.1597865

Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması

Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Metotlarının Kullanılması

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Erken Görünüm Tarihi

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

Advancements in deep learning for accurate classification of grape leaves and diagnosis of grape diseases

DIAGNOSIS OF PROSTATE CANCER WITH ENHANCED EFFICIENCY USING FINE-TUNED CNN AND TRANSFER LEARNING

U-Net-Based Models for Precise Brain Stroke Segmentation

Comparative Analysis of Deep Learning-Based Feature Extraction and Traditional Classification Approaches for Tomato Disease Detection

A novel approach for classifying LEV motor bearing faults using a PSO-optimized CNN model and parameters based on transfer learning

Domates Yapraklarında Hastalık Tespiti İçin Transfer Öğrenme Kullanılması Ve Mobil Uygulamaya Entegre Edilmesi

Evaluation of Yield Quality and Grape Disease Prediction Using Machine Learning and Climatic Data

A Comparative Study of Transfer Learning-Based Deep Learning Models for Tomato Leaf Disease Detection

Data-Efficient Vision Transformer Models for Robust Classification of Sugarcane

Discovery of Marker Genes in Adult T Cell Leukemia (ATL) Pathogenesis with Machine Learning Models and Performance Comparison