Integrating CBAM and Squeeze-and-Excitation Networks for Accurate Grapevine Leaf Disease Diagnosis

Özet

Asma bitkisi, şarap ve pekmez gibi çeşitli türev ürünlerin yanı sıra yapraklarının dünya mutfaklarındaki kullanımıyla da önemli bir ekonomik değer taşımaktadır. Ancak bağ yapraklarında ortaya çıkan hastalıklar hem ürün verimini ve bitki sağlığını olumsuz etkilemekte hem de yaprakları mutfak kullanımına uygunsuz hale getirerek üreticiler için kayıplara yol açmaktadır. Hastalıkların manuel olarak teşhis edilmesi ise zor ve zaman alıcı bir süreçtir. Bu çalışmada, sağlıklı yaprakların yanı sıra en yaygın bağ yaprağı hastalıklarından olan uyuz ile mildiyö türlerinin derin öğrenme teknikleriyle sınıflandırılması hedeflenmiştir. Araştırma sürecinde öncelikle önceden eğitilmiş derin öğrenme modelleri kullanılarak temel bir sınıflandırma yürütülmüştür. Sonrasında, en yüksek başarımı sağlayan modele Convolutional Block Attention Module (CBAM) ve Squeeze-and-Excitation Networks (SE) mimarileri entegre edilmiştir. Sınıflandırma doğruluk oranı yapılan bu geliştirmeler neticesinde %92,73 seviyesinden %96,36 değerine yükselmiştir.

Bu özet, makalenin özgün İngilizce abstract'ından yapay zekâ ile otomatik oluşturulmuştur. Özgün metin için makaleye bakınız.