Bilgisayarla görme ve derin öğrenmeyi kullanan gerçek zamanlı akıllı çilek hasadı ve kalite belirleme sistemi

Çilekler, göreceli olarak uzun bir hasat dönemine sahiptir ve bu da çilek olgunluğunun çeşitli aşamalarını belirleyen akıllı hasat sistemlerine olan ihtiyacı ortaya çıkarır. Bu sistemler, yorgunluğu hafifletmek ve bu görevle ilişkili maliyetleri azaltmak için potansiyel çözümler sunar. Gerçek zamanlı çilek tespiti üzerine yapılan araştırmalar hala birkaç boşluğu ele almak zorundadır. Bu boşluklar, dengesiz etiket dağılımını yönetmek, veri artırma tekniklerini keşfetmek, ön işleme ve eğitim parametrelerini optimize etmek ve fine-tuning gibi ileri konuları araştırmak gibi konuları içerir. Bu araştırma, doğru ve verimli bir gerçek zamanlı çilek tespit modeli geliştirmeye odaklanmaktadır. Temel amaç, tarımsal bahçelerde çilekleri yerlerini belirlemek ve aşırı olgunlaşmış ve çürümekte olan meyveleri tespit ederek kalitelerini değerlendirmektir. Bu amaçla, çeşitli çilek olgunluk seviyelerine ait 5000 RGB görüntüye sahip çeşitli bir Yüksek Kaliteli Etiketli Çilek Veri Seti (HQASD) toplandı. Farklı tipte veri artırma teknikleri uygulandı ve bu bağlamda en ileri ve yeni yaklaşım olarak Overrepresented bir sınıftan Underrepresented bir sınıfın görüntülerini oluşturmak için Cycle-Consistent Generative Adversarial Network (CycleGAN) kullanıldı. En son gerçek zamanlı nesne tespit modeli olan You Look Only Once (YOLOv7), gerçek ve sentetik olarak üretilen verilerle eğitildi. Modelin genel performansını etkileyen tüm yönleri incelemek için derin deneyler ve çeşitli senaryolar gerçekleştirildi. Modelin performansını optimize etmek için hiper-ayarlamalar yapıldı. On sınıfı tanımlamak için elde edilen en iyi modeller, 0.5 IoU eşiği üzerinde 98.7% Ortalama Hassasiyet Puanı (mAP) elde etti ve üç sınıfı tanımlamak için en iyi model aynı eşikte tüm tipler için %96.51 mAP puanı aldı, sentetik görüntülerle eğitilen model ise tüm sınıflar için %98.4 mAP performansı göstererek CycleGAN ile birlikte fine-tuning tekniklerinin etkinliğini gösterdi. Ayrıca, çilek olgunluk spektrumunun kapsamlı bir temsilini sağlayan HQASD oluşturmayı başaran bir araştırma gerçekleştirildi, bu da onu bilgisayarlı görme görevleri için uygun kılmaktadır