Elektrik-Elektronik Mühendisliği tezli yüksek lisans programındaki bir ders kapsamında, PlantVillage yaprak görüntüleri üzerinde bitki sağlığı ve hastalık sınıflarını ayırt etmeye yönelik karşılaştırmalı bir bilgisayarlı görü çalışması gerçekleştirdim.
Final deney akışında 34 sınıflı veri kümesi kullanıldı. Baseline CNN mimarisi, ImageNet ağırlıklarıyla başlatılan MobileNetV2 ve EfficientNet-B0 modelleri, transfer learning ve fine-tuning aşamalarıyla değerlendirildi. Ayrıca ham piksel temsili, StandardScaler ve PCA kullanılarak kNN, Random Forest ve doğrusal SVM modelleriyle klasik makine öğrenmesi karşılaştırması yapıldı.
Öğrenme oranı ve batch size için deneyler yürütüldü; confusion matrix, accuracy ve macro-F1 gibi ölçütler incelendi. Kaydedilen sonuçlarda MobileNetV2 fine-tuning sonrasında doğrulama başarımı %97,56, ayrı final CNN test deneyi için doğruluk %92,40 ve macro-F1 %90,56 olarak raporlanıyor. Bu rakamlar farklı modellerin/farklı değerlendirme aşamalarının sonuçlarıdır. Proje kontrollü veri üzerinde deneysel bir çalışmadır; sahada doğrulanmış tanı uygulaması değildir.