Ejder meyvesinin olgunlaşıp olgunlaşmadığı bilgisayar görüşü kullanılarak nasıl anlaşılır?

Ejder meyvesi (pitaya, pitahaya veya çilek armudu olarak da adlandırılır) parlak pembe kabuğu, yeşil uçlu pulları ve benekli etiyle bilinir. Aslen Orta ve Güney Amerika'dan gelen bu egzotik meyve, köklerinden çok uzaklara gitmiştir. 

Bugün, yıl boyunca tropikal bölgelerde yetiştirilmektedir ve bu da onu her yerde pazarlarda yaygın bir manzara haline getirmektedir. Sağlığa faydaları ile bilinen ejder meyvesi, genel sağlığı destekleyebilecek iyi bir C vitamini, magnezyum ve antioksidan kaynağıdır. 

Ejder meyvesinin popülaritesi arttıkça ve daha fazla insan onu yemekten keyif aldıkça, hasat için ne zaman hazır olduğunu bilmenin zorluğu da artmıştır. Hem çiftçiler hem de tüketiciler sık sık şu soruyu soruyor: Ejder meyvesinin olgunlaştığını nasıl anlarsınız? 

Geleneksel olarak insanlar ejder meyvesinin olgunluğunu kabuk rengine, sertliğine veya pulların kurumasına göre değerlendirir. Ancak bu işaretler tutarsızdır ve farklı ejder meyvesi çeşitlerinde değişiklik gösterir.

‍

Yetiştiriciler için bu tutarsızlık hasat değerinin kaybı anlamına gelebilir. Tüketiciler içinse genellikle çekici görünen ancak lezzetten yoksun meyvelere yol açar. Bu zorluğu çözmek için çiftçiler ve araştırmacılar teknolojiye yöneliyor. 

Makinelerin görsel verileri yorumlamasına ve analiz etmesine olanak tanıyan yapay zeka (AI) ve bilgisayarla görmenin yardımıyla, olgunluk tespiti daha tutarlı ve doğru hale gelmektedir. Örneğin, Ultralytics YOLO11 gibi bilgisayarla görme modelleri, meyveleri olgunluk açısından tanımlamak, ayırmak ve analiz etmek için kullanılabilen nesne algılama ve örnek segmentasyonu gibi çeşitli görevleri desteklemektedir. Bu, çiftçilerin hasatları daha verimli bir şekilde sınıflandırmasına ve derecelendirmesine, hataları azaltmasına ve tutarlı standartları korumasına yardımcı olur. 

Bu makalede, ejder meyvesinin ne zaman olgunlaştığını anlamanın neden zor olduğunu, geleneksel yöntemlerin neden yetersiz kaldığını ve bilgisayarla görmenin olgunluk tespitini nasıl daha güvenilir hale getirdiğini daha yakından inceleyeceğiz. Hadi başlayalım! 

Ejder meyvesinin olgunluğunu belirlemek neden zordur? 

Olgunluğu kontrol etmenin geleneksel yöntemlerine geçmeden önce, ejder meyvesinin ne zaman olgunlaştığını belirlemenin neden bu kadar zor olabileceğine bakalım.

Ejder meyvesi ilk bakışta tadını çıkarmak için yeterince basit görünüyor: kes, aç, kepçele ve ye. Ancak bir tane seçmeyi deneyen herkes, asıl zorluğun ne zaman olgunlaştığını anlamak olduğunu bilir. Olgunlaştıkça net işaretler gösteren muz, karpuz veya mangoların aksine, ejder meyvesi genellikle sizi tahminde bulunmaya iter.

Kafa karışıklığının bir kısmı, sadece tek bir ejder meyvesi türü olmamasından kaynaklanmaktadır. Üç ana renk çeşidi vardır ve her biri biraz farklı olgunlaşır. Rengin yanı sıra, ejder meyveleri şekil, boyut ve cilt özellikleri bakımından da farklılık gösterir. Bazıları daha uzun pullara sahipken, diğerleri daha yuvarlaktır. 

İşte farklı ejder meyvesi türlerine daha yakından bir bakış:

• Beyaz ejder meyvesi: Bu en yaygın çeşittir ve beyaz eti küçük siyah tohumlarla beneklidir.
  ‍
• Kırmızı veya pembe ejder meyvesi: Eflatun veya pembe ete ve canlı kırmızı kabuğa sahiptir, bu da onu özellikle göz alıcı kılar.
  ‍
• Sarı ejder meyvesi: Bu çeşit daha az yaygındır, altın veya sarı kabukludur ve en tatlı çeşit olmasıyla ünlüdür.

‍

Ejder meyvesinin olgunlaşıp olgunlaşmadığını anlamanın geleneksel yolları

Yapay zeka gibi en ileri teknolojiler çiftçiler tarafından benimsenmeden önce, olgunluk kontrolleri basit görsel ve dokunsal ipuçlarına dayanıyordu. Bu uygulamalar bugün hala çiftliklerde ve pazarlarda yaygın olarak kullanılmaktadır.

İşte bir ejder meyvesinin olgunlaştığına dair birkaç yaygın gösterge: 

• Kabuk rengi: Çoğu insan ejder meyvesinin önce kabuğunu kontrol eder. Parlak pembe veya kırmızı et genellikle olgunlaştığı anlamına gelirken, yeşil lekeler hala daha zamana ihtiyacı olduğu anlamına gelir. Sarı ejder meyvesi, az lekeli altın rengi bir kabuğa sahip olmalıdır. Ancak bu kural evrensel değildir. Bazı meyveler dışarıdan olgun görünür ancak içleri hazır değildir, bazıları ise olgunlaştıkça lekeler geliştirir.

• Doku: Dokunmak da başka bir testtir. Olgun bir ejder meyvesi, olgun bir avokadoya benzer şekilde bastırıldığında hafifçe yayılmalıdır. Eğer çok sert hissediliyorsa, muhtemelen olgunlaşmamıştır. Çok yumuşak veya lapa gibi hissediyorsa, zaten aşırı olgunlaşmış olabilir. Doku da her zaman güvenilir değildir, çünkü ejder meyvesini nasıl tuttuğunuz ve nasıl sakladığınız meyvenin ne kadar sert hissettirdiğini değiştirebilir.

• Diğer işaretler: Ejder meyvesi yetiştiricileri bazen daha küçük ayrıntılara güvenirler. Meyvenin brakteleri veya yapraklı kanatları, meyve olgunlaştıkça kurumaya ve kıvrılmaya başlayabilir ve sapın yakınındaki hafif tatlı bir aroma da bir ipucu olabilir. Bu ipuçları yardımcı olabilir, ancak ince ve gözden kaçırılması kolaydır.

Vision AI ejderha meyvesi olgunluk tespitini nasıl değiştiriyor?

Kabuk rengi veya sertlik gibi geleneksel ipuçları faydalı olabilir, ancak bunlar genellikle tutarsızdır. Bilgisayar görüşü, binlerce etiketli görüntüden öğrenerek ve insanların gözden kaçırabileceği kalıpları tanıyarak ejder meyvesi olgunluk tespitini daha güvenilir hale getirir.

Örneğin, YOLO11'in nesne algılama, örnek segmentasyonu ve görüntü sınıflandırma gibi görevlere yönelik desteği, model ilgili veri kümeleri üzerinde özel olarak eğitildiğinde meyveleri ayrıntılı olarak analiz etmek için kullanılabilir. 

Özellikle, nesne algılama bir görüntüdeki meyveleri tek tek tanımlayabilir. Benzer şekilde, örnek segmentasyonu, üst üste gelseler bile her meyveyi çevresinden ayırabilir ve görüntü sınıflandırması şekil, doku veya renk gibi özelliklere dayalı etiketler atayabilir.

‍

YOLO11'e olgun ejder meyvesini tespit etme eğitimi

YOLO11, kutudan çıktığı andan itibaren göreve bağlı olarak iyi bilinen veri kümeleri üzerinde ön eğitime tabi tutulur. Nesne algılama ve segmentasyon için, insanlar, hayvanlar ve arabalar gibi günlük nesneleri içeren COCO veri kümesi üzerinde ön eğitime tabi tutulmuştur. 

Görüntü sınıflandırması için, çok çeşitli yaygın kategorileri de kapsayan ImageNet veri kümesi üzerinde ön eğitimden geçirilmiştir. Bu ön eğitim YOLO11'e güçlü bir başlangıç noktası sağlar, ancak ejderha meyvesi olgunluk tespiti gibi özel görevler için yine de ince ayar yapılması veya özel bir veri kümesi üzerinde özel olarak eğitilmesi gerekir

İşte YOLO11'in ejder meyvesi olgunluk tespiti için nasıl özel olarak eğitilebileceğine dair genel bir bakış:

• Veri toplama: Binlerce ejder meyvesi görüntüsü farklı aydınlatma koşulları, açılar ve büyüme aşamaları altında çekilmiştir. Her görüntüye göreve göre açıklama eklenir. Görüntü sınıflandırması için etiketler olgunlaşmamış, olgunlaşmış ve olgunlaşmış olabilir. Nesne algılama veya örnek segmentasyonu için, konumlarını ve dış hatlarını işaretlemek üzere meyvelerin etrafına sınırlayıcı kutular veya maskeler çizilir. Bu etiketli örnekler YOLO11'e öğrenmesi için gereken bilgileri verir.

• Model eğitimi: YOLO11'in eğitimi sıfırdan başlamaz. Transfer öğrenme yoluyla, algılama ve segmentasyon için COCO veya sınıflandırma için ImageNet gibi önceden eğitilmiş veri kümelerinden öğrenilen görsel özellikleri temel alır ve bunları ejderha meyvesinin özelliklerine uyarlar. YOLO11'in açıklamalı görüntülerle özel olarak eğitilmesi, modelin kabuk rengindeki kaymalar, doku değişiklikleri ve meyve formundaki varyasyonlar gibi olgunluk ipuçlarını yakalamasını sağlıyor.

• Doğrulama ve test: Eğitimden sonra YOLO11, doğrulama veya test seti olarak adlandırılan, daha önce görmediği ejderha meyvesi görüntülerinden oluşan ayrı bir set üzerinde değerlendirilebilir. Tahminleri, doğruluğu ölçmek ve olgunlaşmamış bir meyvenin olgun olarak yanlış sınıflandırılması gibi hataları belirlemek için temel gerçek etiketleriyle karşılaştırılır. Bu değerlendirme aşırı uyumu önlemeye yardımcı olur ve modelin eğitim verilerini ezberlemek yerine ilgili olgunluk ipuçlarını öğrendiğinden emin olunmasını sağlar.

Olgunluk tespitinde bilgisayarla görmenin gerçek dünya uygulamaları

Daha sonra, bilgisayarla görmenin gerçek dünyadaki tarım ve işleme faaliyetlerine, özellikle de ejder meyvesi hasadına nasıl uygulandığını inceleyelim.

İzleme ve olgunluk değerlendirmesi için dronlar

Çiftçiler onlarca yıl boyunca güneşin altında sıra sıra yürüyerek meyveleri elle kontrol etmek zorunda kaldı. Bu süreç yavaş ve yoğun emek gerektiriyordu ve genellikle yaprakların altına gizlenmiş veya geniş tarlalara yayılmış ince olgunluk belirtilerini gözden kaçırıyordu.

Günümüzde, meyve olgunluğunu izlemek için insansız hava araçları ve bilgisayar görüşü kullanan yeni yaklaşımlar ortaya çıkmaktadır. Bu sistemler, renk ve dokudaki ince değişiklikleri ortaya çıkaran yüksek çözünürlüklü görüntüler yakalayabilir ve gözle yakalanması zor bilgiler sunar.

Yalnızca manuel kontrollere güvenmek yerine, bilgisayarla görme modelleri çekilen görüntülerden olgunluğun değerlendirilmesine yardımcı olabilir. Olgunluğu daha erken ve daha büyük ölçeklerde belirleyerek, çiftçiler hasadı daha iyi planlayabilir ve meyveyi en yoğun zamanında pazara getirebilir.

Otomatik meyve toplama robotları 

Meyve toplama işi tamamen zamanlamayla ilgilidir. Çok erken veya çok geç bir gün hasadın değerini düşürebilir, bu nedenle robotik tarımın bir parçası haline geliyor. Örneğin araştırmacılar, karmaşık ortamlarda meyvelerin yerini tespit etmek için bilgisayar görüşü ve nesne algılamayı kullanan ejderha meyvesi hasat robotları geliştirdiler.

Bu tropikal meyve tanımlandıktan sonra robot, en az hasarla hasat etmek için mekanik bir kavrayıcı veya pençeyi yönlendirebilir. Bazı sistemler, bilgisayar görüşü kullanarak olgunlaşmış meyveleri olgunlaşmamış veya hasarlı olanlardan ayırmak için entegre ayıklama işlevlerine de sahiptir. Birden fazla robot kolun aynı anda çalışmasıyla bu makineler potansiyel olarak insanlardan daha hızlı ve tutarlı bir şekilde hasat yapabilir ve mahsulün zarar görme riskini azaltabilir.

‍

Ejder meyvesi tespiti için Vision AI kullanmanın artıları ve eksileri

Ejder meyvesinde olgunluk tespiti için bilgisayarla görmeyi kullanmanın bazı temel faydaları şunlardır:

• İsrafı azaltır: Doğru olgunluk tespiti, erken hasadı azaltır ve depolama ve nakliye sırasında hasarı önler.

• Tutarlı kalite sağlar: Çiftçiler meyveleri doğru olgunluk aşamasında tedarik ederek tüketicinin güvenini kazanabilir ve pazar değerini artırabilir.

• Büyük ölçekli ayıklamayı destekler: Görsel sistemler toplu hasatları hızlı ve hassas bir şekilde işleyerek büyük el işçiliği ekiplerine olan ihtiyacı azaltabilir.

Öte yandan, ejderha meyvesi tespiti için Vision AI kullanırken göz önünde bulundurulması gereken birkaç sınırlama vardır:

• Veri bağımlılığı: Görme modelleri, farklı aydınlatma koşulları, açılar ve büyüme aşamaları altında çekilen ejderha meyvesinin büyük, çeşitli veri kümeleri üzerinde eğitildiğinde en iyi performansı gösterir.

• Ek açıklama çabaları: Bu veri setlerinin hazırlanması, genellikle uzman girdisi ile dikkatli bir etiketleme gerektirir ve bu da zaman alıcı ve emek yoğun olabilir.

• Yüksek maliyetler: Yapay zeka sistemlerinin geliştirilmesi, eğitilmesi ve kullanılması donanım, yazılım ve teknik uzmanlık açısından önemli masraflar gerektirebilir ve bu da küçük çiftlikler için bir engel teşkil edebilir.

Önemli çıkarımlar

Bilgisayarlı görüş, ejder meyvesinin hasat ve tasnif edilme şeklini dönüştürme potansiyeline sahiptir ve bu genel olarak tarım için de geçerlidir. Görüntü destekli araçlar, tarladan paketleme hattına kadar toplama, tasnif ve paketleme işlemlerini kolaylaştırarak çiftçilerin meyveleri daha tutarlı bir şekilde teslim etmesine yardımcı olabilir. Teknoloji ilerledikçe, Vision AI'nin tarımda daha da büyük bir rol oynaması muhtemeldir.

Yapay zekayı keşfetmeye hazır mısınız? Yapay zeka ve bilgisayarla görme hakkında daha fazla bilgi edinmek için topluluğumuza ve GitHub depomuza katılın. Tarımda bilgisayarla görmenin ve robotikte yapay zekanın daha fazla uygulamasını keşfetmek için çözüm sayfalarımızı ziyaret edin. Lisanslama seçenek lerimize göz atın ve bilgisayarla görmeye bugün başlayın!