Performance Investigation of Pre-Trained Convolutional Neural Networks in Olive Leaf Disease Classification

Abstract

Zeytin ülkemizin belirli bölgelerinde yetişen oldukça önemli bir üründür. Gümrük ve Ticaret Bakanlığı’nın verilerine göre 2019 yılında yaklaşık 420 bin ton sofralık zeytin üretimi ile dünyadaki toplam üretimin %14’ten fazlası ülkemizde yapılmıştır. Böylece, zeytin yaprağındaki hastalıkların erken teşhisi ve tedavisi üretim kapasitesinin artmasına yol açabilir. Günümüzde birçok alanda olduğu gibi bitki hastalıklarının teşhisi için derin öğrenme algoritmaları yaygın olarak kullanılmaktadır. Bu çalışmada, AlexNet, SqueezeNet, ShuffleNet ve GoogleNet gibi sıklıkla tercih edilen ön eğitimli derin öğrenme ağları ile zeytin yaprağındaki hastalıkların sınıflandırılması gerçekleştirilmiştir. Ağ yapıları, zeytin yaprağındaki hastalıkların etiketlerine göre eğitim için yeniden düzenlenmiştir. Veri setinde, veri çoğaltma işlemi uygulanarak hem ham veri seti hem de çoğaltılmış veri seti için ayrı ayrı performans sonuçları alınmıştır. Elde edilen sonuçlar doğruluk, duyarlılık, özgüllük, kesinlik ve F1-Skor gibi performans ölçütleri ile değerlendirilmiştir. En iyi performans iyileştirmesi %7,56 ile AlexNet’in doğruluk değeri için elde edilirken, en düşük iyileştirme oranı %0,63 ile ShuffleNet’in özgüllük değerinden elde edilmiştir.