Agriculture dergisinde 15 Eylül 2026'da yayımlanan çalışma, Corynespora cassiicola etmeninin yol açtığı hıyar hedef leke hastalığını yaprak görüntülerinde piksel düzeyinde ayırmak ve lezyon alanına göre şiddet derecesi belirlemek için geliştirilmiş bir Mask2Former modeli sundu. Araştırmacılar 2.559 saha görüntüsünü piksel düzeyinde etiketledi; veriyi yüzde 70 eğitim, yüzde 10 doğrulama ve yüzde 20 test kümelerine ayırdı. Küçük lezyonları güçlendiren ve belirsiz sınırları daha iyi izleyen iki modül eklenen model, test kümesinde yüzde 85,05 ortalama kesişim-birleşim, yüzde 91,94 Dice ve yüzde 92,30 kesinlik bildirdi. Segmentasyon çıktısından hesaplanan dört sınıflı hastalık şiddeti derecelendirmesi yüzde 91,6 doğruluğa ve 0,89 Cohen kappa değerine ulaştı. Bu sonuçlar tek veri setindeki deney performansıdır; farklı sera, kamera ve çeşitlerde otomatik olarak korunacağı gösterilmedi.
Model küçük lezyon ve belirsiz sınır sorununa odaklandı
Hedef leke hastalığında erken belirtiler küçük olabilir; lezyon kenarları sağlıklı dokuya kademeli geçtiğinde piksel etiketlemesi zorlaşır. Tarla ve sera görüntülerinde değişen ışık, yaprak damarları, gölgeler ve arka plan da modeli yanıltabilir. Çalışma bu iki güçlüğü ayrı tasarım bileşenleriyle ele aldı.
Küçük hedef geliştirme modülü, farklı ölçeklerde bağlam toplayan atrous uzamsal piramit havuzlama, yüksek çözünürlüklü özellik kolu ve küçük hedeflere daha fazla ağırlık veren kaybı birleştirdi. Sınır modülü ise dikkat mekanizması ile Dice ve Focal kayıplarını kullanan açık sınır denetimi ekledi. Omurga olarak ResNet-50 seçildi.
Temel modele göre artış var, fakat genelleme henüz açık
Önerilen yapı, temel Mask2Former modelini ortalama kesişim-birleşimde 4,95, Dice ölçütünde 4,72 ve kesinlikte 4,58 yüzde puan aştı. Hastalık şiddeti sınıflandırmasındaki hataların çoğu komşu dereceler arasında kaldı; araştırmacılar büyük sınıf atlama hatası gözlemediklerini bildirdi.
Bu ölçütler aynı test kümesindeki piksel ve sınıf uyumunu gösterir. Yeni bir üretim bölgesinde farklı kamera, yaprak yaşı, çeşit, ışık, besin noksanlığı veya başka hastalıklarla karşılaşıldığında performans düşebilir. Rastgele veri bölünmesi, aynı üretim ortamına ait benzer görüntülerin kümeler arasında bulunması halinde gerçek saha aktarımını olduğundan iyimser gösterebilir; bağımsız işletme testi bu nedenle önemlidir.
Görüntü skoru ilaçlama reçetesi değildir
Lezyon alanı oranı, hastalık şiddetini izlemek için yararlı bir gösterge olabilir. Ancak görüntüden çıkan derece; etmenin laboratuvar teşhisini, ekonomik zarar eşiğini, bitkinin genel durumunu ve ruhsatlı mücadele programını tek başına belirlemez. Benzer görsel belirti oluşturan başka etmenler ve fizyolojik bozukluklar ayırıcı tanı gerektirebilir.
Operasyonel sistem, güven eşiği düşük kareleri uzman incelemesine göndermeli ve kamera görüşü engellendiğinde sessizce karar üretmemelidir. Yaprak seçimi de temsil gücünü etkiler: yalnız kolay görünen üst yaprakların görüntülenmesi, alt katmandaki hastalık dağılımını kaçırabilir.
Türkiye için pilot tasarımı ve editoryal değerlendirme
Türkiye'deki sera pilotunda veri; farklı hıyar çeşitleri, gelişim dönemleri, örtü tipleri, telefon ve sabit kamera sınıfları ile değişen gün ışığında toplanmalıdır. Değerlendirme aynı işletmeden rastgele karelerle değil, daha önce görülmemiş sera ve tarihleri dış test olarak ayırarak yapılmalıdır. Yanlış negatif, yanlış pozitif, şiddet derecesi sapması ve uzman inceleme süresi birlikte raporlanmalıdır.
Çalışmanın değeri, hastalık var-yok sınıflandırmasının ötesine geçip lezyon alanını ölçülebilir hale getirmesidir. Yine de yüzde 91,6'yı saha teşhis garantisi veya pestisit azalımı olarak sunmak doğru olmaz. Türkiye bağlantısı, yerel veriyle bağımsız doğrulama ve entegre mücadele karar zincirine kontrollü ekleme düzeyindedir.
Neden önemli?
Piksel düzeyinde lezyon ölçümü, sera içinde hastalık ilerlemesini aynı yaprak ya da bölge üzerinde sayısallaştırma potansiyeli taşır. Değer, ancak temsilî veri ve uzman doğrulamasıyla ortaya çıkar.
Türkiye için ne ifade ediyor?
Türkiye'de yerel çeşit, ışık ve kamera koşullarını içeren dış saha testi yapılmadan model performansı genellenmemeli; çıktı doğrudan ilaçlama komutu yerine uzman destekli izleme katmanı olarak değerlendirilmelidir.
Birincil kaynaklar
Olgusal bilgiler aşağıdaki resmî veya doğrudan kurumsal kaynaklarla kontrol edildi.