Deep Learning-Based Detection of Defective Fruits in Shelled Hazelnut Fruits

Abstract

Amaç: Bu çalışmada, fındıktaki kaliteyi artırabilmek amacıyla kabuklu fındıkta kusurlu olanları manuel bir süreç olmaktan çıkartıp otomatik olarak tanımlanması için bir yöntem geliştirilmesi hedeflenmiştir. Çatlak, kırık, delik gibi kusurlu fındıkların derin öğrenme tabanlı bir yapay zeka modeli ile sınıflandırması amaçlanmıştır. Materyal ve Yöntem: Çalışmada kullanılacak veri kaynağı için cep telefonu vasıtasıyla fotoğraf çekilmesi suretiyle veriler kayıt altına alınmıştır. Kayıt altına alınan veriler bir etiketleme uygulaması sayesinde kusurlu ve sağlam olmak üzere 2 sınıfa ayrılmıştır. Son olarak etiketlenen veriler test, validasyon ve eğitim olmak üzere 3 parçaya ayrılmıştır. Facebook firmasının geliştirmiş olduğu Detectron2 uygulaması üzerinde Faster R-CNN modeli çalıştırılmıştır. Araştırma Bulguları: Araştırmada dijital dönüşüm adımı olarak bir görüntü işleme teknolojisiyle kusurlu ve sağlam fındıklar mAP ölçeğine göre %92 başarı ile tespit edilmiştir. Sonuç: Fındıkta kaliteyi ve randımanı arttırmak için sağlam fındık ile kusurlu fındığın ayıklanması gerekmektedir. Bu süreçte bir karar destek sistemi olarak görüntü işleme ile kusurlu fındığın tespit edilmesi çalışması yapılmıştır. Yapılan deney sonuçlarına göre kusurlu fındığın %92 başarı ile tespit edildiği gösterilmiştir. Yapılan bu çalışma kusurlu fındığın ayıklama sürecinde yardımcı bir yapay zeka uygulaması olarak kullanılabilecektir.