Vermikompost üretiminde kırmızı kaliforniya solucan yumurtalarının derin öğrenme teknikleri ile komposttan ayrılarak üretime geri kazandırılması

Günümüzde birçok alanda etkili bir şekilde kullanılmakta olan derin öğrenme teknikleri her geçen gün daha da çok önem arz edecek ve tarım sektöründeki dijital dönüşüme önemli ölçüde katkı sağlayarak üreticilerin rekabet gücünü arttıracaktır. Bu tez çalışmasında SSD mimarisi kullanılarak oluşturulan CNN modeli ile tespit edilen solucan yumurtaları komposttan ayrılarak üretime geri kazandırılmıştır. Veri seti 3809 solucan yumurtası içeren 1000 adet kompost görüntüsünden ve solucan yumurtalarını temsilen "cocoon" olarak adlandırılmış tek sınıftan oluşmaktadır. VGG16 üzerinden öğrenme aktarımı yapılarak kullanılan SSD mimarisinde farklı adım sayılarının nesne tespitine olan başarısı gözlemlenmiştir. Tez çalışmasında kullanılan CNN modeli Anaconda Spyder IDE platformunda Python programlama dili ile yazılmış ve GeForce RTX 2080 GPU ile eğitilmiştir. Tez çalışmasında önerilen SSD modeli ile oluşturulan ağın eğitimi veri setinde yer alan 1000 adet görüntü ve 1e-5 öğrenme oranı ile veri arttırımı ve öğrenme aktarımı yapılarak 1000 adımda yapılmıştır. Yapılan eğitim sonucunda kayıp değeri 800'üncü adımda 2.527'e, 1000'inci adımda ise 2.494'e kadar inmiş ve bu noktadan sonra yakınsak değerlerle yatay bir seyir izlemiştir. Tek sınıftan oluşan modelin AP değeri 1000'inci adımdada %84.9 değerine kadar çıkarak en iyi sonuç elde edilmiştir.