Project

Patates Hastalığı Tespit

Genel Bakış

Bu proje, patates yapraklarındaki hastalıkları tespit etmek için derin öğrenme kullanan bir tam yığın (full-stack) uygulamadır. Proje şu bileşenlerden oluşmaktadır:

1. Frontend: Kullanıcıların patates yapraklarının görüntülerini yüklemesini ve tahmin sonuçlarını görmesini sağlayan React tabanlı bir web uygulaması.
2. Backend: Yüklenen görüntüleri işleyen ve bir CNN modeliyle tahmin yapan FastAPI uygulaması.

Model, yaprağın Early Blight (Erken Yanıklık), Late Blight (Geç Yanıklık) veya Sağlıklı olup olmadığını tahmin eder.

Özellikler

• Frontend:
  • Görüntü yükleme için kullanıcı dostu bir arayüz.
  • Tahmin sonuçlarını ve güven skorlarını gösterir.
• Backend:
  • Yüklenen görüntüleri işler.
  • CNN modelinden tahmin sonuçlarını döner.
• Derin Öğrenme Modeli:
  • PlantVillage veri seti kullanılarak eğitilmiş model.
  • Yüksek doğruluk oranıyla hastalık sınıflandırması yapar.

Veri Seti

Eğitimde kullanılan veri seti, PlantVillage veri seti üzerindeki patates yaprağı görüntüleridir. Görseller, 256x256 piksel boyutunda 3 renk kanalıyla işlenmiştir. Her görüntü şu üç sınıftan birine aittir:

1. Early Blight (Erken Yanıklık)
2. Late Blight (Geç Yanıklık)
3. Healthy (Sağlıklı)

Teknik Detaylar

Derin Öğrenme Modeli

• Mimari: CNN (Convolutional Neural Network)
• Framework: TensorFlow/Keras
• Ön İşleme:
  • Görseller 256x256 boyutuna yeniden boyutlandırıldı.
  • Piksel değerleri [0, 1] aralığında normalize edildi.
  • Veri artırımı (döndürme, yansıtma) uygulandı.
• Eğitim:
  • Veri seti %80 eğitim, %10 doğrulama, %10 test olarak bölündü.
  • Optimizasyon: Adam
  • Kayıp Fonksiyonu: Sparse Categorical Crossentropy
  • Eğitim Süresi: 50 epoch
• Çıktı: 3 sınıf için softmax olasılıkları.

Eğitilmiş model, my_model.h5 dosyası olarak kaydedilmiştir.

Backend

• Framework: FastAPI
• Endpointler:
  • GET /ping: Sunucunun çalışıp çalışmadığını kontrol eder.
  • POST /predict: Görüntü dosyasını alır, işler ve tahmin sınıfını ve güven skorunu döner.
• CORS: http://localhost:3000 adresinden gelen taleplere izin verecek şekilde yapılandırılmıştır.

Frontend

• Framework: React
• Port: 3000
• Ortam Değişkeni: Backend ile bağlantı kurmak için REACT_APP_BACKEND_URL=http://localhost:8001 kullanılır.

Çalıştırma Adımları

Gereksinimler

• Docker

Kurulum

Bir dizinde “docker-compose.yml” isimli bir dosya oluşturun ve içine aşağıdakileri yapıştırın.

services:
  backend:
    image: sibacode/bcnnpotato
    container_name: backend
    ports:
      - "8001:8001"
    networks:
      - app-network

  frontend:
    image: sibacode/fcnnpotato
    container_name: frontend
    ports:
      - "3000:3000"
    networks:
      - app-network
    environment:
      - REACT_APP_BACKEND_URL=http://backend:8001

networks:
  app-network:
    driver: bridge

Compose dosyasının bulunduğu dizine konsol aracılığıyla erişin ve şu komutu yazın:

docker compose up -d 

Bu komut:

• Backend'i http://localhost:8001 adresinde başlatır.
• Frontend'i http://localhost:3000 adresinde başlatır.

API Endpointleri

• GET /ping

  Örnek:

  curl http://localhost:8001/ping

  Cevap:

  "Hello, I am alive"

• POST /predict

  Örnek:

  curl -X POST -F "[email protected]" http://localhost:8001/predict

  Cevap:

  {
    "class": "Early Blight",
    "confidence": 0.99
  }