Otomatik bir meyve hastalığı tespit sisteminin geliştirilmesi, tarımsal verimliliğin artırılması açısından kritik öneme sahiptir. Bu çalışma, özellikle derin öğrenmeye dayalı sınıflandırma yaklaşımı kullanarak ekşi elma (custard apple) bitkilerinde hastalık tespitini ele almıştır. Hindistan, Portekiz, Tayland, Küba ve Batı Hint Adaları gibi farklı bölgelerden geniş bir görüntü veri tabanı kullanılarak, sistem 8226 meyve ve yaprak hastalığı görüntüsünü altı farklı kategoriye başarıyla sınıflandırmıştır: antraknoz, kara kanser, diplodia çürüklüğü, meyvedeki yaprak lekesi, yapraktaki yaprak lekesi ve unlu bit. Transfer öğrenme kullanılarak, sistem karmaşık arka planlara sahip doğal ortamlarda çekilmiş görüntülerle bile güçlü bir sınıflandırma performansı sergilemiştir. Görüntülerin özgün özellikleri analiz edilerek, önerilen model hastalık belirtilerini doğru bir şekilde tanımlamıştır. Ayrıca, sınıflandırma doğruluğu (CA), duyarlılık, keskinlik, F1 skoru ve hata matrisi gibi değerlendirme metrikleri, modelin etkinliğini ortaya koymuş; ResNet, en verimli mimari olarak öne çıkarak etkileyici bir %99,79 CA elde etmiştir. Bu çalışma, sistemin ekşi elma ürünlerinde hastalık tespitini önemli ölçüde iyileştirme potansiyelini göstermiş ve tarımsal yönetim ile üretim verimliliğini artırmak için umut verici bir araç sunmaktadır.
Ergün et al. (Wed,) studied this question.