Derin Öğrenme Algoritmalarının Yaprak Sınıflandırma Başarımlarının Karşılaştırılması

Abstract

Bu makalede, bitki yapraklarının sınıflandırılması için kullanılan pek çok yönteme karşı derin öğrenme yoluyla sınıflandırılması yapılarak derin öğrenme algoritmalarının başarımları ortaya konulmuştur. Görüntü işleme yöntemleri ile yapılan sınıflandırma işlemlerinde ön işlem, özellik çıkarımı ve sınıflandırma yöntemi aracılığı ile sonuç alınmaktadır. Derin öğrenme yöntemlerinde yapılan işlemlerde bu gibi işlemlere ihtiyaç duyulmamaktadır. Derin öğrenme yöntemlerinde, ön işlem ve özellik çıkarım gibi aşamalar Konvolüsyonel Sinir Ağları aracılığı ile gerçekleştirilmektedir.Bu çalışmada, yaprak örüntüsü olarak kullanılan veri tabanında, görüntü örnekleri 32 sınıftan oluşan yaklaşık 1900 görüntü vardır. Her bir görüntü sınıfı için ortalama 60 adet görüntü yer almaktadır. Burada yer alan görüntüler yansıma ve tersleme işlemleriyle 4 katına çıkarılmış yaklaşık olarak 7600 görüntü ile işlemler yapılmıştır.Derin öğrenme yöntemlerinden ise AlexNet, Vgg16, Vgg19, ResNet50, GoogleNet gibi derin öğrenme algoritmaları kullanılmış her bir algoritma için yaprak sınıflandırma uygulaması yapılarak, başarımları değerlendirilmiştir.In this article, the achievements of deep learning algorithms have been put forward by classifying plant leaves through deep learning although there are many methods used for the classification of plant leaves. Results are obtained through pre-treatment, feature extraction and classification method in classification processes made with image processing methods. There is no need for such operations in deep learning methods. In deep learning methods, the steps such as pre-processing and feature extraction are performed through Convolution Neural Networks.In this study, there are about 1900 images of 32 samples in the database used as leaf pattern. There is an average of 60 images for each image class. The images here have been increased 4 times by reflection and reversing operations and processes have been made with approximately 7600 images.Deep learning algorithms such as AlexNet, Vgg16, Vgg19, ResNet50 and GoogleNet have been used for leaf classification applications for each algorithm and their performance has been evaluated.