Dergiler / Advances in Artificial Intelligence Research / 2023 / Cilt: 3 - Sayı: 1

Detection of Mealybugs Disease Using Artificial Intelligence Methods

Sayfa
19–26
Yayın Tarihi
2023-02-15
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

The most successful among the three architectures was determined as the VGG-16 and ResNet-34 model with an accuracy rate of 97%.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Today, the need for agricultural lands has increased even more due to the increasing population density.
📊
Temel Bulgular & Veri:For this reason, increasing the yield of crops in agricultural areas becomes a very important need.
💡
Sonuç & Katkı:The most successful among the three architectures was determined as the VGG-16 and ResNet-34 model with an accuracy rate of 97%.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Deep Learning · Classification · Mealy Lice Disease

Abstract

Today, the need for agricultural lands has increased even more due to the increasing population density. For this reason, increasing the yield of crops in agricultural areas becomes a very important need. It is very important to minimize the pests that negatively affect plant productivity in agricultural areas. In the study, it was aimed to detect the mealybug disease, which negatively affects plant productivity in agricultural areas, by using artificial intelligence methods. 539 disease-bearing and disease-free plant images collected from open access websites were used. These images are classified by VGG-16, Resnet-34 and Squeezenet deep learning algorithms. The most successful among the three architectures was determined as the VGG-16 and ResNet-34 model with an accuracy rate of 97%.

🔖

Bu Makaleye Atıf Yap

AKSOY, B., AYDIN, N., ÇAYIR, S., SALMAN, O. K. M. (2023). Detection of Mealybugs Disease Using Artificial Intelligence Methods. Advances in Artificial Intelligence Research, Cilt: 3 - Sayı: 1, 19–26. https://ajindex.com/articles/881987

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (9)

  1. Tanrikulu, Y. (2019). Organik tarımda zararlılarla mücadele yöntemleri (Master'sthesis, Fen Bilimleri Enstitüsü). Uzundumlu, A. S. (2012). Tarım sektörünün ülke ekonomisindeki yeri ve önemi. Alinteri Journal of Agriculture Science, 22(1), 34-44.
  2. Direk, M. (2012). Tarım tarihi ve deontoloji. Eğitim Yayınevi.
  3. Uzun, Y., Bilban, M., & Arıkan, H. Tarım ve Kırsal Kalkınmada Yapay Zekâ Kullanımı. Bozüyük, T., Yağci, C., Gökçe, İ., & Akar G. (2005). Yapay Zekâ Teknolojilerinin Endüstrideki Uygulamaları. Bodenheimer, F. S. (1953). The Coccoidea of Turkey III. Revue de la Facultédes Sciences de l'Universitéd'Istanbul (Ser. B)., 18, 91-164.
  4. Williams, D. J., & Granara de Willink, M. C. (1992). Mealybugs of Central and South America (No. QL527. P83 W71). Uygun, N., & Satar, S. (2008). The current situation of citruspests and their control methods in Turkey. IOBC-WPRS Bulletin, 38, 2-9. Aydın İl Tarım ve Orman Müdürlüğühttps://aydin.tarimorman.gov.tr/Haber/271/Turuncgil-Bahcelerinde-Unlu-Bit-Zararlisi-Ile-Mucadele-Zamani-Geldi. [Erişim Tarihi: 22 May 2015]
  5. Williams, D. J. (2004). Mealybugs of southern Asia. Natural History Museum jointly with Southdene. Kiliç, E., Ecemiş, İ. N., & İlhan, H. O. (2021, October). Narenciye Ağaç Yaprak Hastalıklarının Evrişimli Sinir Ağları ile Sınıflandırılması. In 2021 5th International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT) (pp. 452-456).
  6. IEEE. Altaş, Z., Özgüven, M. M., & Yanar, Y. Bitki hastalık ve zararlı düzeylerinin belirlenmesinde görüntü işleme tekniklerinin kullanımı: şeker pancarı yaprak leke hastalığı örneği. Toğaçar, M., Ergen, B., & Özyurt, F. (2020). Evrişimsel Sinir Ağı Modellerinde Özellik Seçim Yöntemlerini Kullanarak Çiçek Görüntülerinin Sınıflandırılması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 32(1), 47-56.
  7. Aksoy, B., Halis, H. D., & Salman, O. K. M. (2020). Elma bitkisindeki hastalıkların yapay zekâ yöntemleri ile tespiti ve yapay zekâ yöntemlerinin performanslarının karşılaştırılması. International Journal of Engineering and Innovative Research, 2(3), 194-210.
  8. Soydan, O. (2020). Çeltik yanıklığı hastalığının görüntü işleme teknikleri kullanılarak tespit edilmesi (Master'sthesis, Fen Bilimleri Enstitüsü). Altaş, Z., Özgüven, M. M., & Dilmaç, M. Görüntü İşleme Teknikleri ile Bağ Yaprak Uyuzu Hasarının Belirlenmesi. Gaziosmanpaşa Bilimsel Araştırma Dergisi, 10(3), 77-87.
  9. Sardoğan Doğan, M. (2019). Bitkilerde görülen hastalıkların derin öğrenme yöntemleriyle tespiti ve sınıf