Abstract :Yapraklar çeşitli geometrik özelliklerin yanında, renk ve doku özelliklerini de barındırır. Günümüzde bilgisayarlı görü yardımıyla bir yaprak imajından şekil, renk ve doku özelliklerini çıkarabiliyoruz. Bu özellikler her yaprakta farklı olabildiği gibi türlere özgü ayırt edici nitelikler de barındırır. İmajlardan çıkarılan ayırt edici öznitelik bilgileri arttırıldıkça algoritmaların öğrenme ve tahmin etme doğrulukları da arttırılabilir. İmajlara ait geometrik veriler tek başına yeterli olmamakla birlikte algoritmalar düşük doğruluklarda tahminler üretmektedir. Geometrik bilgilere ek olarak renk ve doku özelliklerinin dahil edilmesi tahmin doğruluklarını yükselttiği varsayımı ile bu çalışma yürütülmüştür. İmajların kimlik özellikleri arttırılarak klasik sınıflandırma algoritmalarından daha fazla tahmin doğrulukları çıkarılması amaçlanmaktadır. Yapraklardan elde edilen bu kimlik özellikleri sayesinde onları sınıflandırabilir, hasarları görebilir ve hastalıkları tespit edebiliriz. Bu çalışmada 32 türe ait 1907 yaprak görüntüsünün şekil, renk ve doku özelliklerini barındıran 17 özellik ele alınmış ve sınıflandırılmıştır. Şekil tabanlı özelliklerinden alan, çevre, uzunluk genişlik, uzunluk-genişlik oranı, dikdörtgensellik, dairesellik, renk tabanlı özelliklerden kırmızı, yeşil ve mavi renk aralıklarının ortalamaları ve standart sapmaları, doku tabanlı özelliklerden kontrast, kolerasyon, ters fark momentleri ve entropi özellikleri hesaplanmıştır. Algoritmaların öğrenmesi için veri setinin %70’i öğrenme %30’u test verisi olarak kullanılmıştır. Sınıflandırma algoritmalarından kesinlik, geri çağırma ve F skorları hesaplanmıştır. Sınıflandırmada J48, KNN-2, KNN-3, Saf Bayes (NB) ve Destekçi Vektör Makineleri (SVM) algoritmaları kullanılmıştır. Sınıflandırma sonuçlarına göre %95 başarı elde edilmiştir. Keywords : Görüntü İşleme, Yaprak Görüntüleri, Sınıflandırma
