Faster R-CNN derin öğrenme algoritması kullanarak takım düzeyinde böcek sınıflandırılması

Abstract

Böcekler, eklem bacaklılar şubesinin sınıfı ve tür ve takson bakımından en kalabalık hayvan grubudur. Öyle ki böceklerde tanımlanan 750 bin, tahmin edilen tür sayısı ise 1,5 milyon civarındadır. Özellikle yapılan tahribatlar, orman yangınları türleri belirlenmeden ortadan kaybolmalarına neden olmaktadır. Bu nedenle biyolojik çeşitlilik ve akademik çalışmalar son derece önemlidir. Ayrıca böceklerin takım düzeyinde yararlarının ve zararlarının bilinmesi ve daha fazla bilgi sahibi olunması özellikle tarım alanında yapılan çalışmalara katkı sağlayacaktır. Öte yandan böceklerin tanınması sayesinde, doğayı teknolojik alanlarda taklit ederek çeşitli alanlarda robot teknolojileri, sensörler ve akıllı sistemleri geliştiren insanoğluna oldukça faydalı ve ilham kaynağı olmaktadır.Son yıllarda yapay zeka, derin öğrenme, görüntü işleme tekniklerinde gelişen metot ve yöntemler sayesinde nesnelerin tespiti, sınıflandırılması ve tanımlanması gerçekleştirilmektedir. Birçok alanda araştırmacılar bu kütüphaneleri kullanarak farklı özelliklerdeki nesnelerin tespiti, sınıflandırılması ve tanımlanması için algoritma geliştirmektedirler. Bilimsel açıdan; Entomoloji ile uğraşan bilim insanları bu kriterleri baz alarak takım belirlenmesi yapmaktadır. Oldukça fazla kriterin olması zaman kaybına ve yanlış teşhislere yol açabilmektedir. Ekonomik açıdan; Özellikle tarımda mahsule zarar veren böcek türlerinin tespit edilmesi tarım verimliliği açısından son derece önemlidir.Bu çalışmada Tensorflow kütüphanesi kullanılarak Faster R-CNN Derin Öğrenme metodu ile Böcekler üzerinde takım düzeyinde tespiti ve sınıflandırılması için bir model önerilmiştir. Çalışmada böcekler sınıfının 32 takımından 3246 böcek resmi derin öğrenmede kullanılmıştır. Oluşturulan yazılım literatüre böceklerin hızlı bir şekilde takım düzeyinde tespit edilmesi sağlayan bir sistem sunulmuştur.

Insects are the most crowded animal group in terms of class of the arthropod branch and in terms of species and taxa. In fact, 750 thousand identified in insects, the estimated number of species is around 1.5 million. In particular, destructions cause them to disappear without specifying forest fires. Therefore, biodiversity and academic studies are extremely important. Also, knowing the benefits and harms of insects at the team level and having more information will contribute to the studies especially in agriculture. On the other hand, thanks to the recognition of insects, by imitating nature in technological fields, it is very useful and inspiration for human beings who develop robot technologies, sensors and smart systems in various fields.In recent years, thanks to the methods and methods developed in artificial intelligence, deep learning, image processing techniques, detection, classification and identification of objects have been carried out. In many areas, researchers are using these libraries to develop algorithms for the detection, classification and identification of objects of different properties. Scientifically; Scientists dealing with entomology determine teams based on these criteria. Having too many criteria can lead to time loss and misdiagnosis. In addition, there is no software to check the diagnoses made.In this study, a model for the detection and classification of insects on Insects was proposed with the Faster R-CNN Deep Learning method using the Tensorflow library. The software created is presented to the literature with a system that enables fast detection of insects at the team level.