REAL-TIME APPLICATION FOR TOMATO DISEASE PREDICTION

Yakup GENÇ, Emre EMRAH, Esmanur SARAÇBAŞI, İsmail UZUN, Doğukan DEMİRCİ, Kemal ÖZKAN

Abstract

It is important to determine the diseases of the tomato plant, an essential food source both in our country and in the world. Most tomato disease shows early stage signs on the leaves. In this study, a method has been developed for the detection of common alternaria and mildew tomato diseases from plant leaf pictures using data collected in the field in addition to well known datasets in the literature. A model based on Resnet50 architecture, frequently used in deep learning, yields 97% accuracy in disease detection is achieved. Considering that some of the symptoms look similar, the model is able to distinguish relevant features. The data collected for disease detection purposes plays a crucial part in model accuracy. This architecture was applied to the mobile device and the results were shared with the farmers.

Özet

Hem ülkemizde hem de dünyada vazgeçilmez bir besin kaynağı olan domates bitkilerinde görülen hastalıkların önceden belirlenmesi önemlidir. Birçok domates hastalığının erken dönem belirtileri yapraklarda görülmektedir. Bu çalışmada literatürdeki standart veri setlerine ek olarak toplanan saha verileri kullanarak domates bitkisinde yaygın olan alternaria ve mildiyö hastalıklarının yaprak imgelerinden tespiti için bir yöntem geliştirilmiştir. Derin öğrenmede sıklıkla kullanılan Resnet50 mimarisi kullanılarak geliştirilen model bitki yaprak imgelerinden hastalıkları %97 doğrulukla belirlemektedir. Bazı hastalık belirtilerinin benzer olduğu düşünüldüğünde modelin hastalık belirtilerinin iyi ayırt ettiği görülmektedir. Modelin başarısında sahadan özel olarak bu amaçla toplanan verinin büyük katkısı vardır. Geliştirilen mimari mobil cihaza uygulanmış ve sonuçları çiftçilerle paylaşılmıştır.