Bitki azot içeriğinin tespiti için bitkisel analizlerin dahil olduğu yaprak klorofil ölçümü ve uzaktan algılama tekniklerin de dahil olduğu çeşitli yöntemler mevcuttur. Bu çalışmada, görüntü işleme yöntemi ile kantaron (Hypericum perforatum L.) yapraklarının klorofil konsantrasyonu tahmin edilmiştir. Araştırmada, saksılarda yetiştirilen kantaronlara 5 farklı dozda Hougland solusyonu gübre olarak uygulanmıştır. Yaprakların klorofil konsantrasyonunun ölçülmesinde SPAD-502 klorofil metre kullanılmıştır. UV spektrometresi ile yaprakların klorofil-a (CHL-a) ve klorofil-b (CHL-b) içerikleri ölçülmüştür. Yapay Sinir Ağı (YSA) modeli kullanılarak klorofil konsantrasyonunu tahmin etmek için bir dijital kamera ile çekilen renkli görüntülerin RGB (kırmızı, yeşil ve mavi) bileşenlerinden faydalanılmıştır. Sonuç olarak yapay sinir ağı ile yüksek doğrulukta kantaron yapraklarının klorofil konsantrasyonunu tahmin edilmiştir. Doğrulama R2 0.99 ve MSE 0.005 olarak elde edilmiştir .Bu değerler yapay sinir ağı modelinin güvenirliliğini ortaya koymaktadır.
There are several methods for detecting plant nitrogen content including plant analysis like leaf chlorophyll measurement and remote sensing techniques. In this study, image-processing method was used to predict St. John's wort (Hypericum perforatum L.) leaf chlorophyll concentration from leaves. The experiment was carried out in greenhouse conditions. The Hougland solution was used as a fertilizer. It was applied at 5 different levels to the St. John's wort grown in pots. SPAD-502 chlorophyll meter was used for measuring the chlorophyll concentration of the leaves. The chlorophyll-a (chl-a) and chlorophyllb (chl-b) of the leaves were measured by UV spectrometer. Artificial Neural Network (ANN) model was developed based on the RGB (red, green, and blue) components of the color image captured with a digital camera for estimating the chlorophyll concentration. According to the obtained results, the neural network model is capable of estimating the St. John's wort leaf chlorophyll concentration with a reasonable accuracy. The coefficient of determination (R2) was 0.99 and mean square error (MSE) was obtained 0.005 from validation.
