Turkish Journal of Agriculture: Food Science and Technology (Jan 2023)

Derin Öğrenme Teknikleri ile Bazı Üzüm Çeşitlerinin Tespiti

  • İsmail Terzi,
  • Mehmet Metin Özgüven,
  • Adem Yağcı

DOI
https://doi.org/10.24925/turjaf.v11i1.125-130.5722
Journal volume & issue
Vol. 11, no. 1
pp. 125 – 130

Abstract

Read online

Bağcılıkta üzüm çeşitleri belirlenirken, sürgün, yaprak, salkım ve meyveye ait karakterizasyon özellikler kullanılmaktadır. Bu karakterizasyon özellikler uluslararası yöntem birliğinin oluşması için “Uluslararası Bitki Gen Kaynakları Merkezi” (International Board for Plant Genetic Resources) adına oluşturulmuş bir çalışma ekibi ile “Bağcılık ve Şarapçılık Ofisi” (Office Internatıonal de la Vigne et du Vin-OIV) ve “Uluslararası Yeni Bitki Çeşitlerinin Korunması Birliği” (International union for the Protection of New Varietes of Plants- UPOV) ile işbirliği içinde yapılan çalışmalarla geliştirilmiş ‘Üzüm Tanımlayıcıları’ (Grape Descriptors) adıyla bir normda yayınlanmıştır. Üzüm çeşitlerinin sahip olduğu ampelografik özellikler bu normdaki karakterizasyon özelliklere göre belirlenerek ortaya çıkarılmaktadır. Her üzüm çeşidinin sürgününe, yaprağına, salkımına ve meyvesine özgü ampelografik özellikleri bulunmaktadır. Bu özellikler ‘Üzüm Tanımlayıcıları’ normuna göre belirlendikten sonra sayısal veya sözel olarak ifade edilmektedir. Bu çalışmada ampelografik özellikler kullanılarak Corint, Merlot, Tayfi, Michele palieri, Narince üzüm çeşitlerinin derin öğrenme teknikleri ile sınıflandırılması yapılmıştır. Amaç üzüm çeşitlerinin ampelografik özelliklerini kullanarak derin öğrenme teknikleri ile hangi üzüm çeşidi olduğunu belirlemektir. Yapılan çalışma için 15 katmandan meydana gelen yeni bir CNN modeli oluşturulmuştur. Beş sınıf bulunan veri setinde beş adet üzüm çeşidinin salkım ve meyvelerine ait 227x227x3 boyutunda toplam 1028 adet görüntü kullanılmıştır. Görüntülerin %80’i eğitim için %20’si ise doğrulama için ayrılmıştır. MATLAB programında, yeni ve özgün olarak geliştirilen CNN modeli ile %96,10 sınıflandırma başarım oranı elde edilmiştir. Yapılan analizler neticesinde geliştirilen CNN modelinin başarılı olduğu ve üzüm çeşitlerinin sınıflandırılmasında kullanılabileceği sonucuna varılmıştır.

Keywords