Son yıllarda orman ve şehir yangınlarının artması tüm dünya için önemli bir sorun oluşturmaktadır. Ekolojik ve ekonomik açıdan büyük kayıplara sebep olan yangınlar, karbon döngüsünü bozarak orman dinamiklerine de ciddi zarar vermektedir. Bu doğrultuda yaşamın gerekliliği açısından önemli ekosistemlerden olan ormanların ve doğanın korunması önem arz etmektedir. Orman ve şehir yangınları ile mücadelede yangının erken tespiti büyük kayıpların önüne geçmektedir. Teknolojinin gelişimi ile birlikte yangınların erken tespit edilebilmesi amacıyla insansız hava araçları (İHA), yapay zekâ ve görüntü işleme tekniklerinden yararlanılmaktadır. Çalışmada, yangının erken tespiti üzerinde duruldu ve yangının erken tespit edilebilmesi için insansız hava aracı tasarlandı. Çalışmada, görüntü işleme ve yapay zekâ tekniklerinden yararlanılarak görüntülerde ateş tespiti yapılmakta ve akabinde yangın tespit edilen konum belirlenmektedir. Çalışmada sonuç olarak kullanılan mimarinin karmaşıklık matrisine göre performansı değerlendirilerek, %96 doğruluk, %98 duyarlılık, %89 özgüllük ve %96 kesinlik değerleri bulunmuştur. Gerçekleştirilen çalışma sayesinde yangının erken tespiti sağlanacak ve hızlı müdahale gerçekleştirilecektir.
ÖZET: Yapay zekânın hayatımıza girmesiyle tarım alanında yapılan yapay zekâ uygulamaları oldukça popüler hale gelmiştir. Tarım alanında karşılaşılan bitki hastalıkları üzerinde durulması gereken önemli bir konu olup bu problemin çözümü için yapay zekâdan yardım alınmaktadır. Çalışmada, elma bitkisindeki uyuz, siyah çürük ve pas hastalığına sahip yaprakların yapay zekâ ile tespiti için evrişimsel sinir ağları (CNN) mimarileri kullanılmıştır. Çalışmada kullanılan CNN içerisinde yer alan AlexNet, DenseNet-121, ResNet-34, VGG16-BN ve Squeezenet1_0 mimarilerinin karışıklık matrisine göre performansları değerlendirilerek en iyi doğruluk, duyarlılık, özgüllük ve F-skor değerleri bulunmuştur. Sonuç olarak test veri seti için yapay zekâ ile elma bitkisindeki hastalık tespitinde en iyi modelin duyarlılık, özgüllük, doğruluk ve F-skor için sırasıyla %97,64, %99,54, %99,52, %98,62 değerleri ile ResNet-34 olduğu belirlenmiştir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.