Kabuklu fındık meyvesinde derin öğrenme tabanlı kusurlu meyvelerin tespiti

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.