Ayçiçeği Çiçek Tablalarının Mask R-CNN Derin Sinir Ağı ile RGB ve Multispektral İHA Ortomozaiklerinden Örnek Segmentasyonu
Open Access
- 26 March 2025
- journal article
- Published by Turkish Journal of Remote Sensing and GIS in Turkish Journal of Remote Sensing and GIS
- Vol. 6 (1) , 57-72
Abstract
Ayçiçeği, ülkemiz için önemli bir yağlı tohum kaynağı olup, büyük ve kendine özgü çiçek tablasıyla diğer tarımsal bitkilerden ayrılır. Ayçiçeği tablasının doğru bir şekilde tespit edilmesi, verim tahmini ve sürdürülebilir üretim planlaması açısından çok önemlidir. Bu çalışmanın temel amacı, derin öğrenme tabanlı Mask R-CNN modelinin RGB ve multispektral İHA ortomozaiklerinden ayçiçeği çiçek tablasını tespit etme performansının değerlendirilmesidir. Bu amaçla, Sakarya'nın Arifiye ilçesindeki çalışma alanı üzerinde İHA hava fotoğrafları toplanmış ve yüksek çözünürlüklü ortomozaikler üretilmiştir. ResNet-50 omurgalı Maske R-CNN modeli, RGB ve multispektral İHA ortomozaiklerinden manuel olarak etiketlenmiş veri kümeleri üzerinde eğitilmiş ve test edilmiştir. Sonuçlar, modelin multispektral verilerle daha yüksek doğruluk elde ettiğini, tahmin edilen ve gerçek tespitler arasındaki örtüşmeyi ölçen 0,50 birleşim üzerinde kesişim eşiğinde %94,74 Ortalama Hassasiyete ve %96,73 F1 Skoruna ulaştığını göstermektedir. RGB verileriyle, model en iyi performansı 0,75 eşiğinde göstererek %78,19 F1 Skoru ve %63,50 Ortalama Hassasiyet elde etmiştir. Bu bulgular, multispektral İHA verilerinin ayçiçeği çiçek tablalarının tespit edilmesinde daha etkili olduğunu, RGB İHA verilerinin ise daha iyi lokalizasyon doğruluğu sağladığını göstermektedir.Keywords
This publication has 40 references indexed in Scilit:
- Deep convolutional neural networks for ship detection using refined DOTA and TGRS-HRRSD high-resolution image datasetsAdvances In Space Research, 2024
- A systematic review on precision agriculture applied to sunflowers, the role of hyperspectral imagingComputers and Electronics in Agriculture, 2024
- Advancing precision agriculture: The potential of deep learning for cereal plant head detectionComputers and Electronics in Agriculture, 2023
- Recognition of sunflower growth period based on deep learning from UAV remote sensing imagesPrecision Agriculture, 2023
- Deep learning techniques to classify agricultural crops through UAV imagery: a reviewNeural Computing and Applications, 2022
- Early season detection of rice plants using RGB, NIR-G-B and multispectral images from unmanned aerial vehicle (UAV)Computers and Electronics in Agriculture, 2020
- Hyperspectral remote sensing in precision agriculture: present status, challenges, and future trends2020
- Deep leaning approach with colorimetric spaces and vegetation indices for vine diseases detection in UAV imagesComputers and Electronics in Agriculture, 2018
- Deep learning in agriculture: A surveyComputers and Electronics in Agriculture, 2018
- Evaluation of Data Mining Strategies for Classification of Black Tea Based on Image-Based FeaturesFood Analytical Methods, 2017