Derin öğrenme modelleri ile beş farklı ceviz cinsinin sınıflandırılması

Ceviz, hem besin değeri hem de ekonomik getirisi bakımından önemli bir tarım ürünüdür. Türkiye, ceviz üretiminde dünyanın önde gelen ülkeleri arasında yer almakta ve farklı morfolojik özelliklere sahip birçok yerli ve yabancı ceviz cinsi yetiştirilmektedir. Ancak bu çeşitliliğin doğru şekilde sınıflandırılması, üretici seçimleri, verimlilik ve kalite kontrolü açısından kritik öneme sahiptir. Geleneksel sınıflandırma yöntemleri büyük ölçüde uzman görüşüne dayalıdır ve insan hatasına açıktır. Bu nedenle, ceviz sınıflandırmasının otomatik sistemler aracılığıyla gerçekleştirilmesi, tarımsal üretim süreçlerinde doğruluk, hız ve verimlilik sağlamaktadır. Son yıllarda, derin öğrenme tabanlı yaklaşımlar bu alanda önemli fırsatlar sunmakta ve geleneksel yöntemlere alternatif olarak öne çıkmaktadır. Bu tez çalışması, farklı ceviz cinslerinin görüntü işleme teknikleri ile desteklenen derin öğrenme modelleri aracılığıyla sınıflandırılmasını amaçlamaktadır. Çalışma kapsamında, Tokat ili Niksar ilçesi Sorhun Köyü'ndeki yerel üreticilerden temin edilen beş farklı ceviz cinsine ait örneklerle özgün bir görüntü veri seti oluşturulmuştur. Bu veri seti, cevizlerin özel olarak geliştirilen bir düzenekle hem yatayda hem de dikeyde 5° aralıklarla döndürülmesiyle her bir ceviz için toplam 144 farklı açıdan görüntü elde edilerek oluşturulmuştur. Veriler Python programlama dili ve OpenCV kütüphanesi kullanılarak görüntü boyutlandırma, kontur kırpma ve arka plan temizleme gibi ön işleme adımlarından geçirilmiş; %50 eğitim, %25 doğrulama ve %25 test olacak şekilde rastgele ayrılmıştır. Araştırmada, önerilen Evrişimli Sinir Ağı (ESA) mimarisi ile birlikte ResNet50, Xception, InceptionV3, MobileNet ve DenseNet121 gibi transfer öğrenme tabanlı modellerin performansları karşılaştırmalı olarak değerlendirilmiştir. Model karşılaştırmaları sonucunda, önerilen ESA mimarisinin düşük parametre sayısı, kısa eğitim süresi ve %99.78 gibi yüksek test doğruluğu ile dikkat çekici bir performans sergilediği gözlemlenmiştir. Ayrıca, karışıklık matrisleri, doğruluk-kayıp grafikleri ve değerlendirme metrikleri incelendiğinde önerilen ESA mimarisinin daha istikrarlı sonuçlar verdiği belirtilmiştir.