Yapılan araştırmalar, tasarlanan sistemin dokuz farklı bitki türünün hastalıklarını yüksek doğrulukla teşhis edebildiğini ortaya koydu. Bu bitkiler arasında elma, mısır, üzüm, patates, domates, kiraz, şeftali, biber ve çilek yer alıyor. Çeşitli zararlılar ve hastalıklar, tarım ürünlerinde büyük kayıplara yol açabiliyor. Bu hastalıkların erken teşhisi, bitki sağlığını koruma ve çiftliklerin verimliliğini artırma açısından kritik bir rol oynuyor.
Bitki hastalıkları, tarım sektöründe verimliliğin düşmesine neden olan en önemli etkenlerden biri olarak kabul ediliyor. Bu hastalıklar genellikle bitkilerin büyüme aşamalarının erken evrelerinde gizli şekilde ortaya çıkar ve zamanında teşhis edilmezse, ürünün önemli bir kısmının kaybedilmesine veya kalitesinin bozulmasına yol açabilir.
Hastalığın belirtileri çoğunlukla bitki yapraklarında ilk olarak görülür; lekeler, sararma, renk değişikliği ya da yaprak şekillerindeki bozulmalar, belirli bir zararlının ya da hastalığın erken işareti olabilir. Ancak bu belirtileri doğru şekilde teşhis etmek her zaman kolay değildir, özellikle yeterli sayıda uzman bulunmadığında veya çevresel koşullar elverişsiz olduğunda.
Bu bağlamda, Mazenderan Üniversitesi Mühendislik ve Teknoloji Fakültesi’nden araştırmacı Sakineh Asadi Amiri, bir meslektaşıyla birlikte, görüntü işleme ve makine öğrenimi algoritmalarını kullanarak bitki hastalıklarının erken teşhisi üzerine bir çalışma gerçekleştirdi. Araştırmada, bitki yapraklarının görsel bilgilerinin bilgisayarlı analizle birleştirilmesiyle uzmanlara ihtiyaç duyulmaksızın etkili ve hızlı bir çözüm sunulması hedeflendi.
Sağlıklı ve hasta bitki yapraklarının görselleri toplanarak yazılımsal filtrelerle gürültüden arındırıldı. Daha sonra yaprağın görüntüdeki bölgesi ayrıştırılarak; renk, ton (kırmızılaşma, sararma gibi), doku özellikleri ve yüzey yapısındaki görsel farklılıklar özel görüntü desenleriyle analiz edildi.
Ayrıca, yaprakların boyut ve şekilleri de hastalıkların yol açtığı yapısal değişiklikleri belirlemek amacıyla incelendi. Elde edilen tüm bu veriler sınıflandırma algoritmalarına aktarılıp, yaprağın sağlıklı mı yoksa hasta mı olduğuna dair otomatik karar verildi.
Araştırma sonuçlarına göre geliştirilen sistem, elma, mısır, üzüm, patates, domates, kiraz, şeftali, biber ve çilek dahil olmak üzere 9 farklı bitki türünün hastalıklarını yüksek doğrulukla tespit edebildi. 87 binin üzerinde görüntüden oluşan bir veri seti üzerinde yapılan testlerde, bu yöntemle “rastgele orman (random forest)” algoritması kullanıldığında yaklaşık %98, “destek vektör makineleri (SVM)” algoritmasıyla ise yaklaşık %95 doğruluk oranı elde edildi. Bu yüksek doğruluk, önerilen yöntemin birçok önceki yaklaşımdan üstün olduğunu ve gelecekte çiftçiler ve uzmanlar için değerli bir araç olabileceğini gösteriyor.
Bu sistem yalnızca zaman ve maliyet tasarrufu sağlamakla kalmıyor, aynı zamanda çiftlik yönetimini iyileştiriyor ve insan hatalarını azaltarak zararlıların yayılmasını sınırlamaya katkı sağlıyor.
Araştırmanın dikkat çeken diğer yönü, sistemin gerçek tarla koşullarında da geliştirilebilir olması. Araştırmacılar, değişken ışıklandırma ve arka plan koşullarına sahip doğal ortamlarda çekilmiş görüntülerle dahi sistemin başarılı olmasını beklediklerini belirtti.
Ayrıca sistemin bitkinin yaprak dışındaki bölümleri — örneğin sap veya meyveler — üzerinde de uygulanabilirliği bulunuyor. Gelecek adımlarda, derin öğrenme gibi daha gelişmiş algoritmaların kullanılmasıyla sistemin doğruluğunun daha da artırılabileceği öngörülüyor.