Tarım İnsanlığın Hayatta Kalması İçin Temel Bir Gereksinim Olan Gıda Üretimini Sağlayan Kritik Faaliyetleri İçermektedir. Dünya Genelinde Önemli Bir Tarım Ürünü Olan Üzüm, Ticari Değeri Yüksek Olan Üzüm Suyu, Kuru Üzüm Ve Üzüm Yaprağı Gibi Ürünlerin Yetiştirilmesine Katkı Sağlamaktadır. Üzüm Yetiştiricileri Ve Bağ Sahipleri, Hastalıkları Erken Aşamada Teşhis Etmek Ve Tedavi Etmek İçin Etkili Yöntemlere İhtiyaç Duyulmaktadır. Bu Bağlamda, Yapay Zeka Tabanlı Üzüm Hastalığı Tespiti, Görüntü İşleme Ve Makine Öğrenmesi Tekniklerini Kullanarak Üzüm Bağlarındaki Hastalıkları Otomatik Olarak Teşhis Etmek Amaçlanmıştır. Yapay Zeka, Derin Öğrenme Ve Bilgisayarlı Görü Alanlarındaki Gelişmeler, Üzüm Yaprağı Hastalıklarının Hızlı Teşhisi Ve Doğru Tedavi Yöntemlerinin Belirlenmesinde Yeni Yaklaşımlar Sunmuştur. Bu Çalışma Üzüm Yaprağı Hastalıklarının Yapay Zeka Teknikleriyle Tespit Edilmesine Odaklanarak, Erken Teşhis, Hastalık Türünün Belirlenmesi, Yayılmanın Önlenmesi Ve Üreticilere Avantaj Sağlama Amacı Taşımaktadır. Geliştirilecek Yapay Zeka Modellerinin, Üzüm Üreticileri Ve Bağ Sahiplerinin Daha Bilinçli Kararlar Almasına Katkı Sağlaması Öngörülmektedir. Çalışma Kapsamında Toplamda 12.000 Adet Üzüm Yaprağı Görüntüsünden Oluşan Veri Seti Kullanılmıştır. Çalışmanın Çıktıları, Black Rot, Leaf Blight, Esca, Healty Olarak İsimlendirilen Dört Farklı Sınıftan Oluşmaktadır. Her Sınıf İçin 3.000 Görüntü Bulunarak Veri Setinde Dengeli Bir Dağılım Sağlanmıştır. Veri Seti, Evrişimsel Sinir Ağları (Cnn) Kullanılarak Eğitilmiş Ve Literatürde Yaygın Olarak Tercih Edilen Densenet201, Inception-V3, Mobilenet-V2 Mimarileri Bu Çalışmada %99-%100 Arasında Sınıflandırma Başarısı Elde Etmiştir. Bu Sonuçlar Yapay Zeka Tekniklerinin Gıda Ve Tarım Sektöründe Üzüm Yaprağı Hastalıklarının Tespiti Ve Sınıflandırılması İçin Etkili Bir Araç Olarak Kullanılabildiğini Göstermektedir.
