Etkili Çeltik Hastalığı Tespiti için Vision Transformer Modellerinin Kullanımı

Abstract

Bu araştırma, Vision Transformer modellerini kullanarak çeltik hastalıklarının otomatik olarak tespit edilmesine odaklanmaktadır. Çeltik, temel bir gıda kaynağı olarak büyük bir öneme sahiptir ve çeltik üretimine olan talep giderek artmaktadır. Bu nedenle, etkili hastalık tespit yöntemlerine ihtiyaç duyulmaktadır. Çeltik ürünlerinde hastalık tespiti için kullanılan manuel teknikler zaman alıcı olabilir ve hatalara açık olabilir. Ancak, otomatik tespit sistemleri, sensörler ve makine öğrenimi algoritmalarını kullanarak daha doğru ve maliyet açısından etkili bir yaklaşım sunar. Bu çalışmada, Paddy Doctor veri kümesi kullanılarak 13 farklı çeltik hastalığına ait 4.160 görüntü üzerinde çalışma yapılmıştır. Doğru hastalık sınıflandırması yapmak için dört farklı vision transformer modeli kullanılmıştır. Deney sonuçları, ViT-B16 modelinin yaklaşık %92,88 doğruluk oranıyla en yüksek başarıyı gösterdiğini ortaya koymuştur. Bu bulgular, Vision Transformer modellerinin çeltik hastalıklarını etkili bir şekilde tespit etmek için kullanılabileceğini göstermektedir. Bu durum, çeltik üretiminde mahsul verimini artırarak pestisit kullanımını azaltmaya ve çevre korumasını iyileştirmeye katkı sağlayabilir. Ayrıca, Vision Transformer modellerinin otomatik hastalık tespitindeki potansiyelini ortaya koymakta ve tarım verimliliği ile çevresel sürdürülebilirlik üzerinde olumlu etkileri olabileceğini göstermektedir.