Kuru üzüm kalitesinin derin öğrenme teknikleri ile gerçek zamanlı olarak tespiti

Derin öğrenmenin çok gelişmiş kullanım alanı ve çeşitliliğe sahip olmasının beraberinde hesaplama gücünün büyümesi ile derin öğrenme algoritmaları tarım alanında dikkate değer sonuçlar elde etmesini sağlamıştır. Derin öğrenmenin tarım alanında mahsullerin analizi, haşere tespiti, yabani ot tespiti, sulama verimliliği, gübreleme, hava durumu (iklimlendirme) analizi, tarım alanı analizi, toprak analizi ve tarım alnında kullanılan otonom makinelerde kullanılmaktadır. Çalışmada derin öğrenme teknikleri kullanılarak TS 3411'de yer alan Sultani kuru üzüm numunelerinin standarda uygunluğunun tespitini gerçek zamanlı sistem ile belirlenmiştir. Kuru üzüm veri seti 1.Kalite, 2.Kalite ve Üzüm Çöpü olacak şekilde üç sınıf ve 10544 adet görüntüden oluşmaktadır. Çalışmada YOLOv5, YOLOv6, YOLOv7, YOLOX, FCOS ve TOOD modelleriyle eğitimler yapılmıştır. Yapılan eğitimlerde toplam kayıp değerin 0.018 ile en düşük TOOD, mAPs %84,6 ile TOOD ve mAP^(50:05:95) değeri ise %88,7 ile YOLOv5 olarak en iyi sonuçlar elde edilmiştir. Fakat gerçek zamanlı tespitte YOLOv6 daha yüksek fps değerine sahip olduğundan gerçek zamanlı tespitte YOLOv6 tercih edilmiştir.