Modern tarımda bitki sağlığını korumak ve hastalıkları erken teşhis etmek çok önemlidir. Bu amaçla yapay zekâ tekniklerinden, özellikle de derin öğrenme ağlarından yararlanılmaktadır. Bu çalışmada, çeşitli bitki türlerine ait yaprak görüntülerini kullanarak hastalık tanıma işlemi gerçekleştirilmiştir. Çalışmada ele alınan bitki türleri arasında elma, çilek, üzüm, mısır, biber, patates gibi önemli tarım ürünleri bulunmaktadır. Derin öğrenme ağları arasında ise AlexNet, Vgg16, MobileNetV2 ve Inception gibi yaygın mimariler karşılaştırılmıştır. %92 ile en yüksek başarım oranı Inception V3modeline aittir. Inception V3 modelini ise %91 başarım oranı ile AlexNet mimarisi takip etmektedir. Bu ağlar arasında en iyi sonucu, InceptionV3 modeli vermiştir. InceptionV3 modeli, bitki yapraklarının görüntülerini etkili bir şekilde öğrenerek hastalıklı ve sağlıklı yaprakları doğru bir şekilde ayırt edebilmiştir. Bu sonuçlar, yapay zekâ tabanlı sistemlerin tarım sektöründe hastalık tanıma ve önleme konusunda etkin bir şekilde kullanılabileceğini göstermektedir. Bu çalışmada, InceptionV3 modelinin bitki yaprakları üzerinde hastalık tanıma konusundaki performansı ayrıntılı bir şekilde analiz edilmiş, derin öğrenme ağlarının tarımsal uygulamalardaki rolü vurgulanmıştır.
Preserving plant health and early detection of diseases are crucial in modern agriculture. Artificial intelligence techniques, particularly deep learning networks, are employed for this purpose. In this study, disease recognition was conducted using leaf images from various plant species. The study encompassed important agricultural products such as apples, strawberries, grapes, corn, peppers, and potatoes among the plant species considered. Among the deep learning networks, popular architectures like AlexNet, Vgg16, MobileNetV2, and Inception were compared. The Inception V3 model achieved the highest success rate of 92%, followed by the AlexNet architecture with a success rate of 91%. Among these networks, the InceptionV3 model yielded the best results. The InceptionV3 model effectively learned from plant leaf images and accurately distinguished between diseased and healthy leaves. These findings demonstrate that AI-based systems can be efficiently utilized for disease recognition and prevention in the agriculture sector. In this study, the performance of the InceptionV3 model in disease recognition on plant leaves was analyzed in detail, emphasizing the role of deep learning networks in agricultural applications.
