Kabuklu fındık meyvesinde derin öğrenme tabanlı kusurlu meyvelerin tespiti

Akademik Ziraat Dergisi Pub Date : 2023-10-27 DOI:10.29278/azd.1365477

Oğuzhan KIVRAK, Mustafa Zahid GÜRBÜZ

{"title":"Kabuklu fındık meyvesinde derin öğrenme tabanlı kusurlu meyvelerin tespiti","authors":"Oğuzhan KIVRAK, Mustafa Zahid GÜRBÜZ","doi":"10.29278/azd.1365477","DOIUrl":null,"url":null,"abstract":"Amaç: Bu çalışmada, fındıktaki kaliteyi artırabilmek amacıyla kabuklu fındığın içindeki kusurlu olanları manuel bir süreç olmaktan çıkartıp otomatik olarak tanımlanması için bir yöntem geliştirilmesi hedeflenmektedir. Çatlak, kırık, delik gibi kusurlu fındıkların derin öğrenme tabanlı bir yapay zeka modeli ile sınıflandırması sayesinde ekonomik kaybın azaltılması ve yanlış sınıflandırmanın önüne geçilmesi amaçlanmıştır.  Materyal ve Yöntem: Araştırmada öncelikle literatür taraması yapılmıştır. Ayrıca çalışmada kullanılacak veri kaynağı için cep telefonu vasıtasıyla fotoğraf çekilmesi suretiyle veriler kayıt altına alınmıştır. Kayıt altına alınan veriler bir etiketleme uygulaması sayesinde kusurlu ve sağlam olmak üzere 2 sınıfa ayrılmıştır. Son olarak etiketlenen veriler test, validasyon ve eğitim olmak üzere 3 parçaya ayrılmıştır. Facebook firmasının geliştirmiş olduğu Detectron2 uygulaması üzerinde Faster R-CNN modeli çalıştırılmıştır. Araştırma Bulguları: Araştırmada fındığın yaşam döngüsünde modernleşmenin etkisi zaman ve maliyet bakımından pozitif bir artış olduğundan bahsedilmiştir. Yeni teknolojilerin uyarlandığı ve uyarlamanın fındığın hasat ve harman süresini kısalttığı görülmüştür. Dijital dönüşüm adımı olarak bir görüntü işleme teknolojisiyle kusurlu ve sağlam fındıklar mAp ölçeğine göre %92 başarı ile tespit edilmiştir. Bu yöntemle tespit edilen kusurlu fındıkların ayıklanması ile fındığın randımanında bir artış gözlenecektir. Ayrıca randımanda %3’lük bir artışa karşılık üreticinin gelirinde %5,7’lik bir artışın olacağı sonucuna ulaşılmıştır.  Sonuç: Fındıkta kaliteyi ve randımanı arttırmak için sağlam fındık ile kusurlu fındığın ayıklanması gerekmektedir. Çoğunlukla manuel ilerleyen bu süreç için bir karar destek sistemi olarak görüntü işleme ile kusurlu fındığın tespit edilmesi çalışması yapılmıştır. Yapılan deney sonuçlarına göre kusurlu fındığın %92 başarı ile tespit edildiği gösterilmiştir. Yapılan bu çalışma kusurlu fındığın ayıklama sürecinde yardımcı bir yapay zeka uygulaması olarak kullanılabilecektir.","PeriodicalId":7545,"journal":{"name":"Akademik Ziraat Dergisi","volume":"93 2","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Akademik Ziraat Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29278/azd.1365477","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Amaç: Bu çalışmada, fındıktaki kaliteyi artırabilmek amacıyla kabuklu fındığın içindeki kusurlu olanları manuel bir süreç olmaktan çıkartıp otomatik olarak tanımlanması için bir yöntem geliştirilmesi hedeflenmektedir. Çatlak, kırık, delik gibi kusurlu fındıkların derin öğrenme tabanlı bir yapay zeka modeli ile sınıflandırması sayesinde ekonomik kaybın azaltılması ve yanlış sınıflandırmanın önüne geçilmesi amaçlanmıştır. Materyal ve Yöntem: Araştırmada öncelikle literatür taraması yapılmıştır. Ayrıca çalışmada kullanılacak veri kaynağı için cep telefonu vasıtasıyla fotoğraf çekilmesi suretiyle veriler kayıt altına alınmıştır. Kayıt altına alınan veriler bir etiketleme uygulaması sayesinde kusurlu ve sağlam olmak üzere 2 sınıfa ayrılmıştır. Son olarak etiketlenen veriler test, validasyon ve eğitim olmak üzere 3 parçaya ayrılmıştır. Facebook firmasının geliştirmiş olduğu Detectron2 uygulaması üzerinde Faster R-CNN modeli çalıştırılmıştır. Araştırma Bulguları: Araştırmada fındığın yaşam döngüsünde modernleşmenin etkisi zaman ve maliyet bakımından pozitif bir artış olduğundan bahsedilmiştir. Yeni teknolojilerin uyarlandığı ve uyarlamanın fındığın hasat ve harman süresini kısalttığı görülmüştür. Dijital dönüşüm adımı olarak bir görüntü işleme teknolojisiyle kusurlu ve sağlam fındıklar mAp ölçeğine göre %92 başarı ile tespit edilmiştir. Bu yöntemle tespit edilen kusurlu fındıkların ayıklanması ile fındığın randımanında bir artış gözlenecektir. Ayrıca randımanda %3’lük bir artışa karşılık üreticinin gelirinde %5,7’lik bir artışın olacağı sonucuna ulaşılmıştır. Sonuç: Fındıkta kaliteyi ve randımanı arttırmak için sağlam fındık ile kusurlu fındığın ayıklanması gerekmektedir. Çoğunlukla manuel ilerleyen bu süreç için bir karar destek sistemi olarak görüntü işleme ile kusurlu fındığın tespit edilmesi çalışması yapılmıştır. Yapılan deney sonuçlarına göre kusurlu fındığın %92 başarı ile tespit edildiği gösterilmiştir. Yapılan bu çalışma kusurlu fındığın ayıklama sürecinde yardımcı bir yapay zeka uygulaması olarak kullanılabilecektir.

查看原文本刊更多论文

基于深度学习的带壳榛果缺陷果检测

研究目的本研究旨在开发一种自动识别带壳榛子中缺陷榛子的方法，以提高榛子的质量。其目的是通过基于深度学习的人工智能模型对裂纹、破损、孔洞等缺陷榛子进行分类，从而减少经济损失并防止错误分类。材料与方法：首先，本研究进行了文献综述。此外，研究中使用的数据源是通过手机拍照记录的数据。通过标签应用程序将记录的数据分为缺陷和完好两类。最后，标记数据被分为测试、验证和训练三个部分。更快的 R-CNN 模型在 Facebook 开发的 Detectron2 应用程序上运行：研究中提到，现代化对榛子生命周期的影响是时间和成本的积极增长。新技术的应用缩短了榛子的收获和脱粒时间。作为数字化转型的一个步骤，利用图像处理技术，按照 mAp 标度检测有缺陷和完好的榛子，成功率达 92%。通过这种方法对检测出的有缺陷的榛子进行分类，可以观察到榛子产量的增加。此外，还得出结论，产量每增加 3%，生产者的收入将增加 5.7%。结论为了提高榛子的质量和产量，有必要从有缺陷的榛子中分离出完整的榛子。在这一过程中，大多数情况下都是人工操作，因此我们开展了一项研究，利用图像处理作为决策支持系统来检测有缺陷的榛子。实验结果表明，缺陷榛子的检测成功率为 92%。这项研究可作为人工智能应用，用于分拣有缺陷的榛子。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Akademik Ziraat Dergisi

自引率

0.00%

发文量