Proje Özeti
PlantVillage veri seti kullanılarak bitki yapraklarındaki hastalıkları otomatik olarak tespit eden ve sınıflandıran kapsamlı bir derin öğrenme sistemi geliştirdim. Amaç, tarımsal üretimde erken hastalık tespitini mümkün kılarak verim kayıplarını azaltmaktır.Veri Seti
-
PlantVillage Veri Seti
61.486+ görüntü içeren Mendeley Data kaynaklı veri seti
-
34 Sınıf
Elma, domates, mısır, patates, üzüm vb. bitki hastalıkları
-
Veri Bölümlemesi
%70 eğitim / %15 doğrulama / %15 test (stratified split)
-
Veri Ön İşleme
Normalizasyon, augmentation (rotation, shift, zoom, flip)
Derin Öğrenme
-
Baseline CNN
Sıfırdan tasarlanan 3 katmanlı CNN → %94.2 test accuracy, %92.7 macro-F1
-
MobileNetV2 (Transfer Learning)
Fine-tuning sonrası %97.5 validation accuracy - En iyi model
-
EfficientNet-B0
ImageNet ağırlıkları ile transfer learning denemeleri
Klasik Makine Öğrenmesi
-
Random Forest + PCA128
%68.2 accuracy ile klasik ML karşılaştırması
-
kNN + PCA & SVM
Feature engineering ile farklı ML yaklaşımları
Deneysel Çalışmalar
-
Ablation Studies
Learning rate (0.00001–0.001), batch size (16–128), weight decay analizleri. En iyi sonuç: LR=0.001, Batch=128 → %92.8 val accuracy
-
Fine-Tuning
MobileNetV2'de top-layer freezing ve gradual unfreezing
-
Feature Engineering
PCA (64 / 128 / 256) karşılaştırmaları, PCA128 en verimli yapı