Konvolüsyonel yapay sinir ağları ve öğrenme transferi ile bitki tanıma
Tolga Karahan, Vasif NabiyevKaradeniz Teknik Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, TrabzonDoğa büyük miktarda bitki ve çiçek türü zenginliğine sahiptir ve bu çeşitlilik nedeniyle bu türlerin tanımlanması botanik alanında uzmanlık gerektirmektedir. Bir otomatik bitki tanıma sisteminin geliştirilmesi bu süreci kolaylaştıracaktır. Bu çalışmada, böyle bir sistemi geliştirmek için konvolüsyonel yapay sinir ağlarından ve öğrenme transferinden faydalanılmıştır. Veritabanındaki görüntüler diğer veritabanlarından ve webden toplanmıştır ve toplamda 76 türe ait 5.345 çiçek ve bitkiden oluşmaktadır. Türlerin 65 tanesi çeşitli çiçek türleridir ve 11 tanesi ise diğer bitki çeşitlerindendir. Veritabanındaki görüntü sayısını ve modelin genelleme kapasitesini arttırmak için çeşitli veri çoğaltma yöntemleri uygulanmıştır. Veri çoğaltmak için, 4 açıdan rastgele döndürme, [-0.2, 0.2] aralığında rastgele parlaklık değişimi ve yatay yansıtma işlemleri uygulanmıştır. Aynı zamanda, görüntüleri modele girdi olarak vermeden önce, görüntülere merkezden kesme ve normalizasyon işlemleri uygulanmıştır. Geliştirilen model eğitim verileri için 0.9971, test verileri için ise 0.9897 isabet oranı elde etmiştir.
Anahtar Kelimeler: Yapay Zeka, Derin Öğrenme, Konvolüsyonel Yapay Sinir Ağları, Tanımlama, SınıflandırmaPlant identification with convolutional neural networks and transfer learning
Tolga Karahan, Vasif NabiyevKaradeniz Technical University, Engineering Facilty, Computer Engineering Department, TrabzonNature is rich with a vast amount of plant and flower species and because of their great diversity; identification of these species requires expertise in the field. Development of an automatic plant identification system can ease this process. In this work, deep Convolutional Neural Networks and Transfer Learning have been utilized in order to develop such an identification system. Images in the database have been collected from other databases and the web and in total it consists of 5,345 flowers and plant images belong to 76 species. 65 of the species are various flower species and 11 of them are other plant species. Data augmentation techniques has been applied in order to increase the number of images in the database and to improve the generalization capacity of the model. For data augmentation, random rotation at four angles, random brightness change in the range of [-0.2, 0.2] and horizontal flip have been applied. Also preprocessing techniques such as center cropping and normalizing have been applied to images before input them to the model. In automatic plant recognition, 0.9971 accuracy achieved on the training set and 0.9897 accuracy achieved on the test set.
Keywords: Artificial Intelligence, Deep Learning, Convolutional Neural Networks, Identification, ClassificationSorumlu Yazar: Vasif Nabiyev, Türkiye
Makale Dili: İngilizce