Derin Öğrenme Destekli Gerçek Zamanlı Zeytin Tespiti Uygulaması

Abstract

Ürün verim tahmini, ürün hasadı ve pazarlama stratejilerinin oluşturulması için çok önemli bir rol oynamaktadır. Son yıllarda , birçok tarımsal üründe verimi tahmin etmek için bilgisayarla görme ve derin öğrenme teknikleri çalışmaları yapılmaktadır. Ürünlerin dal üzerinden tam olarak ayrılması ürün verim tahminini doğrudan etkilemektedir. Bu çalışmada ağaç veya fide üzerinde ürünlerin yerlerini tespit ederek ürün verim tahminini kolaylaştıracak derin öğrenme modeli gerçekleştirilmiştir. Materyal olarak zeytin seçilmiştir. Derin öğrenme tabanlı zeytin tespiti yapılmıştır. Modelin algoritması, zeytin tespiti için olive adlı nesne sınıfından oluşmaktadır. Eğitim ve test omurgası YOLOv5(nano-small-medium ve large) modelleridir. Oluşturan modellerin tüm metrik değerleri incelenmiştir. En başarılı model YOLOv5s algoritmasıyla, 640x640 boyutundaki görsellerin 15 Batch, 115 Epoch ile eğitilmiş model olduğu görülmüştür. Model değerleri sonuçları “metrics/precision”, “metrics/recall”, “metrics/mAP_0.5” ve “metrics/mAP_0.5:0.95” olarak incelenmiştir. “YOLOv5 small” modelinin metrik verilerinin diğer modellerle kıyaslandığında daha yüksek olduğu tespit edilmiştir. Başarı oranı 115 epoch için F1 score %85.18,presicion %95.63,recall %84.24, mAP %72.8’dir. Buradan “Model 2”nin robotik zeytin hasadında zeytinin toplanmasında kullanılacak en iyi tespit modeli olduğu anlaşılmıştır.