Makine Öğrenmesi Yöntemleri Kullanarak Tohum Sayısının Tespiti ve Sınıflandırılması

Abstract

Derin öğrenme, makine öğrenmesi ve görüntü işleme teknikleri tarımsal işlerin kolaylaştırılmasında ve üretim aşamsındaki farklı problemlere çözümler geliştirilmesinde kullanılan önemli birer araç haline gelmişlerdir. Bu çalışma kapsamında AugeLab Studio’da derin öğrenme mimarilerinden CNN kullanılarak, eş zamanlı nesne tespiti için genelde tercih edilen YOLO algoritmasıyla bir tohum sayısı ve türünün tespit uygulaması geliştirilmiştir. Çalışma sonucunda 3000 iterasyonla ortalama kayıp 0.417 civarına düşürülmüştür. Analizler sonucunda fasulye sınıflandırma başarı oranı %97-%100 arasında değişiklik gösterirken nohut sınıflandırma oranının %91 ile %100 arasında değişmekte olduğu tespit edilmiştir. Buna ek olarak tek görseldeki toplam 11 adet fasulye ve 10 adet nohut tohumunun sayısı %100 doğrulukla tespit edilmiştir. Sonuç olarak yapay zeka görüntü işleme tekniklerinin kullanılarak tohumluk üretim firmaları, tarımsal biyoteknoloji laboratuvarları ve tohum sertifikasyon kuruluşlarının tohum sayma, çeşit ve/veya tür ayrımı yapma, çimlenen tohumların ayrıştırılması ve tespiti veya tohum sertifikasyon süreçlerindeki yabancı karışımların tespit edilip oranlanması gibi tarımın bir çok alanında iş yükünün ve maliyetin azaltılırken zamandan kazanç sağlanabileceğini göstermiştir.