Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti [Rose Leaf Disease Detection with Particle Swarm Optimization-Assisted Deep Learning]

Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti

Özet: Hem tüketici talebi hem de küresel ticaret açısından güller oldukça önemli bitkilerdir. Tıpta, kozmetikte ve mutfakta çeşitli uygulamaları vardır. Bununla birlikte, güllerin gelişimi, kalitesi ve verimi bir takım hastalıklardan olumsuz etkilenebilir. Gül yapraklarını ciddi şekilde tahrip edebilen en yaygın ve zarar verici mantar hastalıklarından ikisi siyah nokta ve tüylü küftür. Başarılı hastalık yönetiminin ve güllerde başka salgınların önlenmesinin anahtarı, hastalığın erken ve kesin olarak tanımlanmasıdır. Bununla birlikte, gözle tespit ve laboratuvar testleri dahil olmak üzere geleneksel hastalık teşhis prosedürleri zahmetli, zaman alıcı ve uzman düzeyindedir. Sonuç olarak, en son teknoloji, gül yapraklarındaki hastalıkları tanımlamak için otomatik ve güvenilir bir yöntemin oluşturulmasını gerektiriyor. Bu araştırmada, gül yapraklarındaki hastalıkları tanımlamak için evrişimli sinir ağlarını (CNN) kullanan derin bir öğrenme yöntemi sunulmaktadır. Evrişimli sinir ağları (CNN) olarak bilinen yapay sinir ağları, resimlerden gelişmiş özellikleri öğrenebilmekte ve sınıflandırma ve tanımlama gibi zor görevleri yerine getirebilmektedir. Üç kategoriye ayrılmış bir veri setinden gül yaprakları görüntüleri kullanılmıştır. Siyah nokta, tüylü küf ve hastalıksız üç kategoridir. Gül yaprağı hastalık sınıflandırması çeşitli CNN mimarilerinin etkinliği ile değerlendirilebilir. Çok sayıda farklı CNN mimarileri vardır. Bunlar içinden en uygununu bulmak için parametre optimizasyonu yapmak gerekebilir. Bu da zorlu bir iştir. Bunun için metasezgisel algoritmalar kullanılabilir. Bu çalışmada bunun için Parçacık Sürü Optimizasyonu (PSO) kullanılmıştır. PSO ile hiper parametre optimizasyonu yapılmış ve en optimum ağ yapısı bulunmaya çalışılmıştır. Elde edilen sonuçlar Xception, VGGNet, ResNet gibi farklı CNN modelleriyle test edilmiştir. PSO ile optimize edilmiş model en iyi sonucu elde etmiştir.

Anahtar Kelimeler: Parçacık Sürü Optimizasyonu, Derin Öğrenme, Gül Yaprağı Hastalık Tespiti, Hiper Parametre Optimizasyonu

Rose Leaf Disease Detection with Particle Swarm Optimization-Assisted Deep Learning (English title and abstract)

Abstract: Roses are highly important plants in terms of both consumer demand and global trade. They have various applications in medicine, cosmetics and cuisine. However, the growth, quality and yield of roses can be adversely affected by a number of diseases. Black spot and downy mildew are two of the most common and damaging fungal diseases that can seriously destroy rose leaves. The key to successful disease management and to preventing further outbreaks in roses is early and accurate identification of the disease. However, traditional disease diagnosis procedures, including visual inspection and laboratory tests, are laborious, time-consuming and require expert knowledge. Consequently, state-of-the-art technology calls for the development of an automated and reliable method to identify diseases on rose leaves. This research presents a deep learning method that uses convolutional neural networks (CNNs) to identify diseases on rose leaves. Artificial neural networks known as convolutional neural networks (CNNs) are able to learn advanced features from images and perform difficult tasks such as classification and identification. Rose leaf images from a dataset divided into three categories were used: black spot, downy mildew and healthy. Rose leaf disease classification can be evaluated through the effectiveness of various CNN architectures. There are many different CNN architectures, and parameter optimization may be needed to find the most suitable one among them, which is a challenging task. Metaheuristic algorithms can be used for this purpose. In this study, Particle Swarm Optimization (PSO) was used: hyperparameter optimization was performed with PSO in order to find the optimal network structure. The results were compared with different CNN models such as Xception, VGGNet and ResNet. The PSO-optimized model achieved the best result.

Keywords: Particle Swarm Optimization, Deep Learning, Rose Leaf Disease Detection, Hyperparameter Optimization, Convolutional Neural Networks

Publication details: Full-text conference paper presented at the 1st International Conference on Modern and Advanced Research (ICMAR 2023), 29-31 July 2023, Konya, Türkiye. Published in: Proceeding Book of the 1st International Conference on Modern and Advanced Research (ICMAR 2023), Vol. 1, pp. 348-352. Publisher: All Sciences Academy (All Sciences Proceedings). ISBN: 978-625-6530-47-8.

How to cite / Kaynak gösterimi

APA 7: Gülmez, B. (2023, July). Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti [Rose Leaf Disease Detection with Particle Swarm Optimization-Assisted Deep Learning] [Conference paper]. In Proceeding Book of the 1st International Conference on Modern and Advanced Research (ICMAR 2023), Vol. 1 (pp. 348–352). All Sciences Academy (All Sciences Proceedings). 1st International Conference on Modern and Advanced Research (ICMAR 2023), Konya, Türkiye. https://doi.org/10.5281/zenodo.23036852

IEEE: B. Gülmez, "Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti [Rose Leaf Disease Detection with Particle Swarm Optimization-Assisted Deep Learning]," in Proceeding Book of the 1st International Conference on Modern and Advanced Research (ICMAR 2023), Vol. 1, Konya, Türkiye, Jul. 2023, pp. 348–352, ISBN: 978-625-6530-47-8, doi: 10.5281/zenodo.23036852.

Chicago: Gülmez, Burak. 2023. "Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti [Rose Leaf Disease Detection with Particle Swarm Optimization-Assisted Deep Learning]." In Proceeding Book of the 1st International Conference on Modern and Advanced Research (ICMAR 2023), Vol. 1, 348–352. Konya, Türkiye: All Sciences Academy (All Sciences Proceedings). https://doi.org/10.5281/zenodo.23036852.

MLA 9: Gülmez, Burak. "Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti [Rose Leaf Disease Detection with Particle Swarm Optimization-Assisted Deep Learning]." Proceeding Book of the 1st International Conference on Modern and Advanced Research (ICMAR 2023), Vol. 1, All Sciences Academy (All Sciences Proceedings), 2023, pp. 348–352. https://doi.org/10.5281/zenodo.23036852.

Harvard: Gülmez, B. (2023) 'Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti [Rose Leaf Disease Detection with Particle Swarm Optimization-Assisted Deep Learning]', in Proceeding Book of the 1st International Conference on Modern and Advanced Research (ICMAR 2023), Vol. 1. Konya, Türkiye: All Sciences Academy (All Sciences Proceedings), pp. 348–352. doi: 10.5281/zenodo.23036852.

BibTeX:

@inproceedings{Gulmez2023parcacik,
  author    = {Gülmez, Burak},
  title     = {Parçacık sürü optimizasyonu destekli derin öğrenme ile gül yaprağı hastalık tespiti},
  booktitle = {Proceeding Book of the 1st International Conference on Modern and Advanced Research (ICMAR 2023), Vol. 1},
  year      = {2023},
  month     = {jul},
  pages     = {348--352},
  address   = {Konya, Türkiye},
  publisher = {All Sciences Academy (All Sciences Proceedings)},
  isbn      = {978-625-6530-47-8},
  doi       = {10.5281/zenodo.23036852},
  url       = {https://doi.org/10.5281/zenodo.23036852}
}