Kivi meyvesinin LiDAR nokta bulutu kullanılarak destek vektör makineleri algoritması ile otomatik tespiti

Tarımda otomasyonun gelişmesiyle birlikte meyvelerin sağlık durumunun gözlemlenmesi, rekolte tahmini ve otomatik bir şekilde hasat edilebilmesi gibi tarımsal uygulamaların yapılabilmesi için meyvelerin mekânsal konumlarının belirlenmesi hassas tarım açısından büyük önem taşımaktadır. Tez çalışmasında, bir kivi ağacına ait LiDAR nokta bulutu verileri kullanılarak, Destek Vektör Makinesi (DVM) algoritması ile kivi ağacına ait kivi-kivi dışı noktalarının segmentasyonu hedeflenmiş ve tarım sektöründe rekolte tahminine katkıda bulunmak için makine öğrenme yöntemlerinden faydalanılması amaçlanmıştır. LiDAR verisinden elde edilen kırmızı, yeşil ve mavi renk değerleri bilgileri ve her nokta için X, Y, Z yönlerinde hesaplanan yüzey normal vektörü değerleri DVM' ye girdi veri olarak sunulmuş ve sınıflandırma için eğitim işlemi gerçekleştirilmiştir. Çalışmada, yersel LİDAR tarayıcısı ile taranmış 1 adet kivi ağacına ait nokta bulutu kullanılmıştır. Nokta bulutu verisi 6 parçaya bölünmüş ve 2 tanesi DVM eğitim, 4 tanesi ise test işlemi için kullanılmıştır. DVM eğitiminde, ilgili veriye en uygun ayar parametrelerinin tespiti için Grid Search Optimizasyon algoritmasından faydalanılmış ve eğitim işlemi gerçekleştirilmiştir. Eğitim işlemi için doğruluk değerleri; Genel Doğruluk, Kesinlik, Geri Çağırma, F1-Skor ve Birleşimlerin Kesişimi doğruluk metrikleri için sırasıyla 0.95, 0.88, 0.86, 0.87 ve 0.79 olarak hesaplanmıştır. Test işlemi, kivi ağacına ait 4 parça nokta bulutu ile gerçekleştirilmiş olup, aynı doğruluk metrikleri için sırasıyla ortalama doğruluk değerleri; 0.95, 0.80, 0.86, 0.82 ve 0.73 olmak üzere hesaplanmıştır.