Abstract :Mısır, insanların beslenmesinde vitamin ve mineral bakımından zengin, hayvan gıdası açısından besin değeri yüksek ve aynı zamanda sanayi ürünü olarak un, yağ ve tatlandırıcı elde etmede önemli bir yeri vardır. Dünyada ve ülkemizde iklim değişikliği ve giderek artan kuraklığın etkisiyle sürdürülebilir tarım uygulama yöntemleri önem kazanmıştır. Ayrıca üretim yapan çiftçilerin teknoloji yardımıyla daha fazla verim almaları sağlanabilir. Son yıllarda yapay zekanın tarım alanındaki kullanımında büyük oranda artış yaşanmıştır. Bitkilerin büyüme dönemlerinde hastalıklı yaprakların kontrol edilmesi bitkinin sağlığı için kritik bir adımdır. Bu bağlamda tarım sektöründe önemli bir yeri olan mısır; yapay zekanın derin öğrenme teknolojileriyle bitkideki hastalığın tespitini sağlamada, mahsuldeki verim kaybını önlemede ve gıda tahılları ekonomisini olumlu yönde etkilemek için iyi bir araçtır. Bu çalışmada, 4188 adet mısır yaprağı görüntüsünden mısır adi pası, gri yaprak lekesi, yaprak yanıklığı ve normal (sağlıklı) olmak üzere dört sınıfın yapay zeka tabanlı sınıflandırması için derin öğrenme modellerinden Artık Değerler (Residual Network | ResNet) modeli üzerinde durulmuştur. Uygulamada ResNet50 modelindeki başarı % 85.30 iken, ResNet101 modelinde bu değer % 94.56’ya yükselmiş, ResNet152 modelinde ise % 94.14’lük başarı elde edilmiştir. ResNet-50/101/152 modelleri kendi aralarında kıyaslamaları yapılmıştır ve en yüksek başarı elde eden yöntem ile literatürde aynı veri setini kullanan çalışmaların model ve başarı bakımından karşılaştırılması yapılmıştır. ResNet101 modeli karşılaştırılan modellerden daha iyi başarı elde ettiği görülmüştür. Keywords : Yapay Zeka, Derin Öğrenme, Görüntü İşleme, Mısır Yaprağı Hastalıkları, Resnet
