Salata-Marulda Derin Öğrenme Yöntemleri Kullanılarak Robotik Hasat Kriterlerinin Tespiti

Abstract

Bu çalışmada, salata marul yetiştiriciliğinde derin öğrenme metodlarından YOLOv5n, YOLOv5s ve Yolov5m kullanılarak hasat zamanı tespiti belirlenmeye çalışılmıştır. Herbir metot için 640x640 çözünürlük üzerinden eğitim yapılmıştır. Bu eğitim metodlarından hangi metodun ve hangi çözünürlüğün tam sonuç vereceği incelenmiştir. Oluşturan üç modelin tüm metrik değerleri incelenmiştir. En başarılı model YOLOv5n algoritmasıyla, 640x640 boyutundaki görselleri 10 batch size olarak 150 epoch ile eğitilmiş “Model 1” model olduğu görülmüştür. Model değerleri sonuçları “metrics/precision”, “metrics/recall”, “metrics/mAP_0.5” ve “metrics/mAP_0.5:0.95” olarak incelenmiştir. Bunlar, bir modelin tespit başarısını ölçen anahtar metriklerdir ve ilgili modelin doğrulama veri kümesinde gösterdiği performansı belirtmektedir. “Model 1” modelinin metrik verileri, diğer modellerle kıyaslandığında daha yüksek olduğu tespit edilmiştir. Ölçülen değer Model 1: Size: 640x640, Batch: 10, Epoch: 150, Algorithm: YOLOv5n’dir. Buradan “Model 1” in robotik marul hasadında, marulun hasat kriterin bulunması için kullanılacak en iyi tespit modeli olduğu anlaşılmıştır.