Notes

Derin Öğrenme ile Bezelye Hasadı Özet

Bezelye (Pisum sativum), farklı türleri bulunan, yeşil dış kabuğu ve kabuk içerisinde yenilebilir tanelerini barındıran baklagiller familyasından bir sebzedir. Bezelye, magnezyum, potasyum ve kalsiyum gibi kalp dostu mineraller içererek, kalbi koruyucu karotenoidler ve flavonoller gibi bitkisel besinler içerebilir. Anavatanı Batı Asya ve Avrupa’dır. Lif ve protein açısından oldukça zengin bir sebze türü olan bezelye, kurutularak veya dondurularak rahatça muhafaza edilebilir. Bezelye, yetiştiriciliğinde havaların serin ve nemli olduğu koşullarda çok iyi gelişim göstermesine karşın sıcak ve kuru havalardan hoşlanmaz. Yetiştirme dönemi süresince sıcaklığın donma noktasının üzerinde olması istenir. Hasat olgunluğuna gelmiş baklalar(taneler) en geç iki-üç gün içerisinde hasat edilmelidir. Özellikle kuru ve sıcak havalarda taneler çok çabuk olgunlaşır. İlkbaharda ekilen bezelyeler 12-16 hafta, sonbaharda ekilen bezelyeler 32 hafta sonra hasat edilmeye başlanır. Hasat olgunluğuna gelmiş bezelyeler 3-4 gün ara ile düzenli olarak bitkilere zarar vermeden elle hasat edilirler. Hasadın kademeli olarak elle yapılması kalite ve verimi olumlu yönde etkiler. Yetiştirildiği tarım alanında seçilmesi ve toplanması vakit alabilen bir sebze olan bezelye sebzesinin hasadı üzerine bir makine öğrenimi çalışması gerçekleştirilmiştir. Derin öğrenme metodu için YOLOv5 (nano-small-medium ve large modelleri) kullanılmıştır. Oluşturan modellerin tüm metrik değerleri incelenmiştir. En başarılı model YOLOv5n algoritmasıyla, 640x640 boyutundaki görsellerin 20 Batch, 95 Epoch ile eğitilmiş model olduğu görülmüştür. Model değerleri sonuçları “metrics/precision”, “metrics/recall”, “metrics/mAP_0.5” ve “metrics/mAP_0.5:0.95” olarak incelenmiştir. Bunlar, bir modelin tespit başarısını ölçen anahtar metriklerdir ve ilgili modelin doğrulama veri kümesinde gösterdiği performansı belirtmektedir. “YOLOv5 nano” modelinin metrik verilerinin diğer modellerle kıyaslandığında daha yüksek olduğu tespit edilmiştir.
Ölçülen değer Model 1= Size: 640x640, Batch: 20, Epoch: 95, Algorithm: YOLOv5n ‘dur.
Buradan “Model 1”in robotik bezelye hasadında bezelyenin toplanmasında ve ayırt edilmesinde kullanılacak en iyi tespit modeli olduğu anlaşılmıştır.