Zeytin pamuklu biti ve zeytin güvesinin kimyasal mücadelesinde görüntü işleme ve sensör tabanlı erken uyarı sisteminin entegrasyonu

Abstract

Zeytin ağaçlarının ana zararlıları olan Zeytin güvesi (Prays oleae Bern.) (Lepidoptera: Yponomeutidae) ve Zeytin pamuklu biti Euphyllura phillyreae (Foester)] (Hemiptera: Aphalaridae)] %60’lara varan oranlarda zarara neden olmaktadırlar. Zararlıların popülasyonları ve yumurtalarını bıraktığı zamanlar doğru tespit edilebilirse biyolojik, biyoteknik veya kimyasal mücadele yöntemleri başarılı bir şekilde uygulanabilmektedir. Bu nedenle, Zeytin güvesi için uzaktan görüntülenebilen ve otomatik güve sayan tuzakların ve gün derece modellerinin entegre edildiği bir tahmin modelinin geliştirilmesi ve valide edilmesi amaçlanmıştır. Ayrıca, Zeytin pamuklu biti için bitki fenolojisine göre biyofiks yapılan bir gün-derece modelinin kullanımı ve validasyonunun yapılması tezin diğer bir amacıdır. Tez çalışmasında GÖRSENTAM tarafından geliştirilen G-FLORA Cloud Platform ve G-TRAP: Dijital Feromon Tuzağı kullanılarak P. oleae erginleri görüntülenmiş ve derin öğrenme modelleriyle sayımı yapılmıştır. Bu amaçla, Z,7-tetradecenal içeren bir feromon ve yapışkan yüzeye gelen güveler 5 MP bir kamera ile günde bir kez görüntülenmiştir. Toplanan 2075 adet tuzak görüntülerinde CVAT aracı kullanılarak etiketleme işlemleri yapılmıştır. Yapay veri arttırmak teknikleri kullanılarak elde edilen 12450 verinin %80 eğitim, %20 doğrulama ve %10 test olarak ayrılmış ve Faster RCNN ve YoLov5-l modelleri ile eğitim yapılmıştır. Eğitilen YoLov5-l modeli yüksek güve popülasyonlarında bile %94,85 üzerinde doğruluk oranına sahip olduğu belirlenmiştir. İkinci aşamada güve çıkışlarının ardından çiçek ve meyve nesli yumurtalarının bırakılma zamanı gün derece modeliyle tespit edilmiştir. Elde edilen sonuçlar uzaktan algılama ve yapay zekâ tabanlı çalışan bu sistemin yaprak nesli %50 çıkış tahminleri 1,47-2,36 gün ve 21,45 GD hata payı; çiçek neslinin %10’luk çıkış zamanı 2,87-3,32 gün ve 38,55 GD hata ile tahmin edilebildiğini göstermiştir. Zeytin pamuklubit için Kumral ve diğerlerinin (2018)’in geliştirdiği gün derece modeli ile karşılaştırılınca mücadele için en kritik dönem olan nimflerin %10 çıkış dönemi 40,02-49,85 GD ve 3,13-6,59 gün hata ile tahmin edilmiştir.Olive moth (Prays oleae Bern.) (Lepidoptera: Yponomeutidae) and Olive psyllid (Euphyllura phillyreae (Foester)) (Hemiptera: Aphalaridae) are the main pests of olive trees, causes up to 60% damage to olives. If their populations and the egg laying periods can be determined accurately, biological, biotechnical or chemical control methods can be applied successfully. Therefore, The aim of the study was to develop and validate a prediction model for olive moth that integrated remotely visualization and automatic moth counting traps and day degree models. In addition, the second aim of the thesis was to use and validate a day-degree model biofixed based on olive phenology for the Olive psyllid. In this study, P. oleae adults were imaged using the G-FLORA Cloud Platform developed by GORSENTAM, G-TRAP: Digital Pheromone Trap and were counted with deep learning models. For this purpose, moths which are catched in traps contain a pheromone dispenser (Z,7-tetradecenal) were imaged once a day with a 5 MP camera. Labeling processes were conducted using the CVAT tool on a collection of 2075 trap images. A total of 12450 data, obtained through artificial data augmentation techniques, were split into 80% for training, 20% for validation, and 10% for testing. Training was performed using Faster RCNN and YoLov5-l models. It was determined that the trained YoLov5-l model achieved an accuracy rate of over 94,85% even in high-density populations. In the second stage, after moth emergence, the laying time of eggs belong to flower and fruit generations was determined by the day-degree model. The results obtained from this system, which works based on remote sensing and artificial intelligence, estimate 50% phyllophagous generation as 1,47-2,36 days and 21,45 DD errors. It has been shown that the 10% emergence time of the anthophagous generation can be estimated with errors with 2,87-3,32 days and 38,55 DD. Compared to the day degree model developed by Kumral et al. (2018) for the olive psyllid, the 10% emergence period of the nymphs, which is the most critical period for control, was estimated with errors of 40,02-49,85 DD and 3,13-6,59 days.