Görüntü işleme yöntemleri ve yapay sinir ağları kullanılarak yaprak tanıma

Bitki tanıma sistemleri, otomatik bitki taksonomisinde kullanılabildikleri gibi botanik, tıp, endüstri ve gıda sektöründeki bitkilerin anlaşılabilmesini ve yönetilebilmesini de sağlamaktadırlar. Ağaçlar ve bitkiler, yaprak tanıma yöntemleri ile de sınıflandırılabilmektedir. Bu tezde, tanıma işlemi için, yaprakların ikiye bölünmesini temel alan bir yöntem ortaya konulmuştur. Önişleme adımları yapraklara uygulandıktan sonra, literatürde kullanılan düşük maliyetli 8 adet morfolojik öznitelik çıkarılmıştır. Buna ek olarak, yarım yaprak görüntüleri kullanılarak 4 adet yeni öznitelik üretilmiştir. Çoğu yaprak türünün morfolojik yapıları birbirlerine çok benzemektedir. Bu yaprak türleri için, yaprakların bir yarısının yapısal öznitelikleri birbirlerine benzerken, diğer yarıları farklılık göstermektedir. Bu bilgiden yararlanılarak, yaprak, ana eksenine göre doğrultulmuş ve ağırlık merkezi üzerinden dikey olarak kesilerek iki parça elde edilmiştir. Her bir parça için alan, kapsam ve dışmerkezlilik öznitelikleri çıkarılmış ve birbirlerine olan oranları alınarak bu çalışmada ortaya konulan yeni öznitelikler oluşturulmuştur. Bu 12 özniteliğin hepsi, olasılıksal yapay sinir ağı (PNN - Probabilistic Neural Network) girdisi olarak kullanılmıştır. PNN, Flavia veri kümesinden alınan 32 farklı bitki türüne ait 1120 yaprak görüntüsü ile eğitilmiştir. Bitki türlerine ait 160 yaprak görüntüsü test için kullanılmıştır. Yapılan deneyler ve karşılaştırmalar, yarım yaprak özniteliklerini temel alan yöntemin, %94.375 tanıma başarısı ile literatürdeki en iyi sonuçlardan birisine ulaştığını göstermektedir.