Bu çalışmada, YOLOv4 nesne tespit algoritmasıyla patates böceği (Leptinotarsa decemliniata)’ın ergin ve son dönem (3. ve 4. dönem) larvalarının patates bitkisi üzerinde tespitinin yapılması araştırılmıştır. Eğitim sonucunda “cfg yapılandırma” dosyasında ağın giriş görüntü çözünürlüğü “416 x 416”, “608 x 608”, “832 x 832”, “1024 x 1024” ve “1440 x 1440” olarak değiştirilerek en uygun model tespit edilmeye çalışılmıştır. Eğitim sonucunda “cfg yapılandırma” dosyasında giriş görüntü boyutunun “1024 x 1024” değiştirilmesiyle 3000. iterasyonda en uygun nesne algılayıcısı modeli elde edilmiştir. Önerilen modele ait başarı ölçütü olarak recall 0.78, precision 0.85, F1-Score 0.81, mAP 87.53 ve IoU 57.99 değerlerine ulaşılmıştır. Ayrıca sarı yapışkan tuzaklar, çukur tuzaklar ve gözle kontrol yöntemi kullanılarak kışlamadan çıkan ergin patates böceklerinin çıkış zamanının saptanması ele alınmıştır. Kışlamadan çıkan ergin patates böceklerinin sarı yapışkan tuzaklar ve çukur tuzaklarla yakalanma durumu incelenerek YOLOv4 nesne tespit algoritması kullanılarak tuzakların erken uyarı sistemlerinde kullanılabilirliği ve populasyon izleme olanakları araştırılmıştır.
Nesne tespiti Leptinotarsa decemlineata Patates böceği Yapay zeka YOLOv4
Araştırmanın yürütülmesinde yardımlarını esirgemeyen Kızılören İlçe Tarım ve Orman Müdürlüğü personeline teşekkür ederim.
In this study, the detection of adult and late stage (3rd and 4th stages) larvae of Colorado potato beetle (Leptinotarsa decemliniata) on potato plant was investigated with the YOLOv4 object detection algorithm. At the end of the training, the most suitable model was tried to be determined by changing the input image resolution of the network to “416 x 416”, “608 x 608”, “832 x 832”, “1024 x 1024” and “1440 x 1440” in the “cfg configuration” file. As a result of the training, the most suitable object detector model was obtained in the 3000th iteration by changing the input image resolution to “1024 x 1024” in the “cfg configuration” file. Recall 0.78, precision 0.85, F1-score 0.81, mAP 87.53 and IoU 57.99 was obtained as the evaluation metric of the suggested model. In addition, determining the emergence time of overwintered adult potato beetle by using yellow sticky traps, pitfall traps and visual inspection method were discussed. The usability of the traps in early warning systems and the population monitoring possibilities were investigated by using the YOLOv4 object detection algorithm.
Artificial intelligence Colorado potato beetle Object detection YOLOv4 YOLOv4 YOLOv4 YOLOv4 Leptinotarsa decemliniata
Birincil Dil | Türkçe |
---|---|
Konular | Mühendislik |
Bölüm | Araştırma Makaleleri |
Yazarlar | |
Yayımlanma Tarihi | 28 Aralık 2022 |
Yayımlandığı Sayı | Yıl 2022 Cilt: 4 Sayı: 2 |