VISION TRANSFORMER-BASED APPROACH FOR WALNUT LEAF CLASSIFICATION

Demir A. A., DEMİR G. D.

KSÜ Mühendislik Bilimleri Dergisi, vol.29, no.2, pp.608-616, 2026 (TRDizin)

Abstract

Walnut is widely utilized across various industrial sectors such as food, pharmaceuticals, and cosmetics due to its high nutritional value and numerous health benefits. Turkey is a major walnut producer, with many species both locally and globally. However, these species exhibit a high degree of morphological similarity in terms of leaf shape and color, making it difficult to distinguish between them through visual inspection alone. This challenge increases the likelihood of errors in manual classification processes. Consequently, there is an increasing demand for AI-based systems for accurate automatic classification of walnut leaves. This study utilizes a vision transformer (ViT) approach, which, through its attention mechanism, enables more precise extraction of visual features than conventional techniques. To evaluate the effectiveness of a ViT-based classification model, an open-source dataset was utilized, consisting of walnut leaf images collected from trees located in the experimental orchard of the Yalova Atatürk Central Horticultural Research Institute. A total of 1668 leaf images of 17 different walnut species in this dataset were used in the training and testing process of the ViT model. The model achieved 95.51% accuracy, demonstrating superior performance in classifying walnut leaf images compared to other image classification methods.
Ceviz, yüksek besin değeri ve insan sağlığına yönelik çok yönlü faydaları sayesinde, gıda, ilaç ve kozmetik gibi pek çok endüstriyel alanda yaygın olarak kullanılmaktadır. Türkiye, hem yerel hem de küresel olarak birçok türün bulunduğu önemli bir ceviz üreticisidir. Ancak yaprak formu ve renk gibi morfolojik özellikler bakımından ceviz türleri yüksek düzeyde benzerliklere sahiptir. Bu durum, ceviz yapraklarının insan gözüyle ayırt edilmesini güçleştirmekte ve sınıflandırma süreçlerinde hata payını artırmaktadır. Sonuç olarak, ceviz yapraklarının doğru otomatik sınıflandırılması için yapay zekâ tabanlı sistemlere olan talep giderek artmaktadır. Bu çalışma, dikkat mekanizması sayesinde geleneksel tekniklere göre görsel özelliklerin daha hassas bir şekilde çıkarılmasını sağlayan bir görsel dönüştürücü yaklaşımı kullanmaktadır. Görü dönüştürücü (ViT) tabanlı bir sınıflandırma modelinin başarısını test edebilmek amacıyla Yalova Atatürk Bahçe Kültürleri Merkez Araştırma Enstitüsü Uygulama Bahçesi’ndeki ceviz ağaçlarından toplanarak oluşturulan açık kaynaklı bir veri kümesi kullanılmıştır. Söz konusu veri kümesindeki 17 farklı ceviz türüne ait toplam 1668 yaprak görüntüsü ViT modelinin eğitim ve test sürecinde kullanılmıştır. Model %95,51 doğruluk elde ederek, diğer görüntü sınıflandırma yöntemlerine kıyasla ceviz yaprağı görüntülerinin sınıflandırılmasında üstün performans sergilemiştir.