Derin Öğrenme ve Nesne Algılama Yöntemleri Kullanılarak Bazı Bağ Zararlılarının Oluşturduğu Hasarın YOLOv8x Modeli ile Tespiti

Bağların kontrolünün, takibinin ve bakımının zamanında doğru bir şekilde yapılması çok önemlidir. Bağ zararlılarıyla mücadelede aşırı pestisit kullanımı, insan sağlığını tehlikeye atmakta ve çevre kirliliğine yol açmaktadır. Ayrıca aşırı pestisit kullanımı ekonomik açıdan düşünüldüğünde işletme giderlerinin artmasına sebep olmaktadır. Bu nedenle bağdaki zararlıların ve hasarlarının zamanında teşhisi çok önemlidir. Zamanında tespiti sağlamaya yardımcı olan yöntemlerden biri derin öğrenmedir. Bu çalışmada, bir derin öğrenme nesne algılama algoritması olan YOLOv8x modeli ile bazı bağ zararlılarının (Salkım güvesi, Trips, Bağ yaprak uyuzu ve İki noktalı kırmızı örümcek) yaprak ve meyve kısmında oluşturduğu hasarın tespitine yönelik çalışma gerçekleştirilmiştir. 7 farklı sınıftan ve 3500 görüntüden meydana gelen veri seti oluşturulmuştur. Oluşturulan veri seti; YOLOv8(n/s/m/l/x) modelleri ile eğitilmiştir. Eğitim sonucunda, YOLOv8x modeli performans değerleri sırayla; mAP0,5, mAP0,5-0,95, Kesinlik (Precision), Duyarlılık (Recall), 0,926, 0,648, 0,892 ve 0,903 şeklinde sonuçlar vermiştir. Aynı veri seti, YOLOv7, DETR ve RTMDet modelleriyle de eğitilerek YOLOv8x modeliyle performans karşılaştırmaları yapılmıştır. Karşılaştırma sonucunda bağlarda belirtilen zararlıların oluşturduğu hasarı en iyi tespit eden YOLOv8x modeli olmuştur.