Üzüm salkımı meyvelerinin tanınması amacıyla DVM, ESA ve YSA sınıflayıcılarının gerçekleştirilmesi ve başarılarının belirlenmesi

Üzüm tespiti, hasat, ilaçlama ve verim tahmini çiftçiler için zor faaliyetlerdir. Bu işlem zaman alıcıdır ve işgücüne ihtiyaç duymaktadır (bir maliyet artışı) ve üstelik her zaman yeterince başarılı değildir. Bu nedenle, günümüzde akıllı robotlar yardımı ile hasat araştırılmaktadır ve şu anda tarımda kullanımı artmaktadır. Bu çalışmada verim tahmininde kullanmak maksadıyla üzüm meyveleri ve üzüm salkımlarının otomatik olarak tanınabilmesi için bir algoritma önerilmektedir, Tanıma işlemi farklı boyut ve renklerde, doğal ışık ve farklı görüntü kontrastları dahil olmak üzere farklı aydınlatma koşullarında çekilmiş, üzüm meyvelerinin yüksek çözünürlüklü görüntülerinde yapılmaktadır.. Bu tezde, makine öğrenme yöntemlerinden Evrişimsel Sinir Ağı (ESA), Yapay Sinir Ağı (YSA) ve Destek-Vektör-Makine- (DVM) kullanılarak bir üzüm salkımı ve meyvesinin tanınması üzerine bir çalışma sunulmuştur. Yerel İkili Örüntü (YİÖ), Yönlendirilmiş Gradyentlerin Histogramı (YGH) ve her iki özelliğin birleşimi özellik vektörleri olarak kullanılmıştır. Ücretsiz olarak kullanıma açık İzlanda veri seti, tek bir üzüm tanesinin algılama ve sınıflandırma eğitimi için uygulanmıştır. Veriler (üzüm tanesi ve üzüm tanesi olmayan iki sınıf içerir. Üzüm tanesi tanıma işleminde YGH + YİÖ kombinasyonu özellikleri kullanan YSA sınıflandırıcısının ortalama doğruluk, hassasiyet ve duyarlılık ölçütleri sırasıyla % 99,64 ± 0.073, % 99.70 ± 0,094 ve% 99,59 ± 0,117'dir ve elde edilen en başarılı sonuçlardır. Üzüm ağacı görüntülerinde üzüm salkımı ve meyve saptama için önerilen yöntem, Hızlı Radyal Simetri Dönüşümü üzün tanesi merkezini (ilgi noktası) bulmak için kullanır. Önce özellik çıkarımı ve sınıflandırma, her bir ilgi noktasında çok ölçekli bir yaklaşımla hesaplanmaktadır. Daha sonra, DBSCAN (yoğunluk tabanlı tarama) metodu üzüm demetlerini kümeler. Her kümenin uzamsal dağılımı ve gelişmiş bir demet algılaması için uzaklık dönüşümünden faydalanılır. Üzüm salkım tespitinin ortalama doğruluğu % 91,72 ± 2,88 ve meyve saptama için% 89,82 ± 2,58 olarak bulunmuştur. Üzüm salkımının başarı ölçütü piksellerinin üzüm yada üzüm değil olarak elle işaretlenmesiyle hesaplanmıştır. Yöntem farklı aydınlatma ve resim okuma koşuları olan dört farklı renkte üzüm üzerinde test edilmiştir. Ortalama üzüm salkımı belirleme doğruluğu, duyarlılık ve özgüllük ortalamaları sırasıyla % 96,97 ± 0,95, % 97.57 ± 0.969 ve% 89,28 ± 3,83 dır. Anahtar Kelimeler: Üzüm Tespiti, Üzüm Salkımı Tespiti, YGH, YİÖ, DBSCAN, DVM, YSA ve ESA.