@madda · 3 gün önce
Telefon fotoğrafıyla bitki hastalığı teşhisi yapan uygulamaları tarlada denedim: nerede işe yarıyor, nerede yanıltıyor
Veri ve yapay zeka tarafında çalışıyorum. Telefonla yaprağın fotoğrafını çekip hastalık tahmini veren uygulamalar sık sorulduğu için bu yaz küçük bir deneme yaptım. Ziraat mühendisi bir arkadaşımla Ege'de domates ve biber seralarında, bir de bağda üç farklı uygulamayı yan yana kullandık. Bilimsel bir çalışma değil, sahada geçen birkaç yarım günün gözlemleri. Ama ortaya çıkan tablo bu araçların nasıl kullanılması gerektiği konusunda fikir veriyor.
Önce iyi tarafı. Belirtisi tipik ve belirgin olan hastalıklarda uygulamalar çoğu zaman doğru tahmini ilk üç sonuç arasında verdi. Domateste mildiyö ve erken yaprak yanıklığı gibi klasik görüntülerde arkadaşımın teşhisiyle uyum yüksekti. Üretici için bu, 'bu leke ne olabilir' sorusuna hızlı bir başlangıç noktası demek.
Sorunlar şuradan başlıyor. Birincisi, aynı yaprağın farklı ışıkta çekilmiş iki fotoğrafı bazen farklı sonuç verdi. Öğle güneşinde, sera örtüsünün altında yansımayla çekilen fotoğraflarda hata belirgin şekilde arttı. İkincisi, besin eksikliği, ilaç yanığı ve hastalık arasındaki ayrımda uygulamalar zorlandı. Bir biber serasında arkadaşımın magnezyum eksikliği dediği sararmayı bir uygulama viral hastalık olarak işaretledi. Üretici bu sonuca güvenip bitki söksün ya da ilaç atsın, kayıp büyür. Üçüncüsü, modelin eğitildiği görüntüler büyük ihtimalle bizim bölgedeki çeşitleri ve koşulları tam temsil etmiyor. Bu benim tahminim, ama sonuçların dağılımı bunu düşündürdü.
Veri tarafından bakınca en çok dikkatimi çeken şey, uygulamaların belirsizliği kullanıcıya nasıl sunduğuydu. Bazıları yüzdelik bir güven skoru gösteriyor, bazıları tek bir hastalık adı veriyor. Tek isim veren arayüz, belirsizliği gizlediği için daha tehlikeli. Hiçbir uygulama 'emin değilim, bir uzmana gösterin' cevabını yeterince sık vermiyor.
Önerim şu: bu uygulamaları teşhis aracı değil ön eleme aracı olarak kullanın. Fotoğrafı gölgede, düz bir arka planla, yaprağın hem üst hem alt yüzeyinden çekin. Sonucu ilaçlama kararı vermeden önce bir ziraat mühendisine ya da ilçe tarım müdürlüğünün teknik personeline gösterin. Bu alanda ürün geliştirmek isteyenlere de bir not: sahada en çok ihtiyaç duyulan şey, yerel çeşitlerle toplanmış ve uzman onaylı veri. Model mimarisi ikinci planda kalıyor.
Önce iyi tarafı. Belirtisi tipik ve belirgin olan hastalıklarda uygulamalar çoğu zaman doğru tahmini ilk üç sonuç arasında verdi. Domateste mildiyö ve erken yaprak yanıklığı gibi klasik görüntülerde arkadaşımın teşhisiyle uyum yüksekti. Üretici için bu, 'bu leke ne olabilir' sorusuna hızlı bir başlangıç noktası demek.
Sorunlar şuradan başlıyor. Birincisi, aynı yaprağın farklı ışıkta çekilmiş iki fotoğrafı bazen farklı sonuç verdi. Öğle güneşinde, sera örtüsünün altında yansımayla çekilen fotoğraflarda hata belirgin şekilde arttı. İkincisi, besin eksikliği, ilaç yanığı ve hastalık arasındaki ayrımda uygulamalar zorlandı. Bir biber serasında arkadaşımın magnezyum eksikliği dediği sararmayı bir uygulama viral hastalık olarak işaretledi. Üretici bu sonuca güvenip bitki söksün ya da ilaç atsın, kayıp büyür. Üçüncüsü, modelin eğitildiği görüntüler büyük ihtimalle bizim bölgedeki çeşitleri ve koşulları tam temsil etmiyor. Bu benim tahminim, ama sonuçların dağılımı bunu düşündürdü.
Veri tarafından bakınca en çok dikkatimi çeken şey, uygulamaların belirsizliği kullanıcıya nasıl sunduğuydu. Bazıları yüzdelik bir güven skoru gösteriyor, bazıları tek bir hastalık adı veriyor. Tek isim veren arayüz, belirsizliği gizlediği için daha tehlikeli. Hiçbir uygulama 'emin değilim, bir uzmana gösterin' cevabını yeterince sık vermiyor.
Önerim şu: bu uygulamaları teşhis aracı değil ön eleme aracı olarak kullanın. Fotoğrafı gölgede, düz bir arka planla, yaprağın hem üst hem alt yüzeyinden çekin. Sonucu ilaçlama kararı vermeden önce bir ziraat mühendisine ya da ilçe tarım müdürlüğünün teknik personeline gösterin. Bu alanda ürün geliştirmek isteyenlere de bir not: sahada en çok ihtiyaç duyulan şey, yerel çeşitlerle toplanmış ve uzman onaylı veri. Model mimarisi ikinci planda kalıyor.
12 1 yorum
