Bilgisayarlı görü kullanarak ejder meyvesinin olgun olup olmadığı nasıl anlaşılır

Ejder meyvesi (aynı zamanda pitaya veya çilek armudu olarak da adlandırılır), parlak pembe kabuğu, yeşil uçlu pulları ve benekli etiyle bilinir. Kökeni Orta ve Güney Amerika olan bu egzotik meyve, köklerinden çok uzaklara yolculuk etmiştir. 

Günümüzde, tropikal bölgelerde yıl boyunca büyüyerek her yerdeki pazarlarda yaygın bir manzara haline geldi. Sağlığa faydalarıyla bilinen ejder meyvesi, genel sağlığı destekleyebilecek iyi bir C vitamini, magnezyum ve antioksidan kaynağıdır. 

Ejder meyvesinin popülaritesi arttıkça ve daha fazla insan yemekten keyif aldıkça, ne zaman hasat edilmeye hazır olduğunu bilme zorluğu da arttı. Hem çiftçiler hem de tüketiciler sıklıkla şunu soruyor: Ejder meyvesinin olgun olup olmadığını nasıl anlarsınız? 

Geleneksel olarak, insanlar ejder meyvesinin olgunluğunu cilt rengi, sertlik veya pulların kurumasıyla değerlendirmişlerdir. Ancak bu belirtiler tutarsızdır ve farklı ejder meyvesi çeşitlerinde değişiklik gösterir.

‍

Üreticiler için bu tutarsızlık, hasat değerinin kaybı anlamına gelebilir. Tüketiciler için ise genellikle çekici görünen ancak lezzeti olmayan 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 bilgisayar görüşü yardımıyla, olgunluk tespiti giderek daha tutarlı ve doğru hale geliyor. Örneğin, Ultralytics YOLO11 gibi bilgisayar görüşü modelleri, meyveleri olgunluk açısından tanımlamak, ayırmak ve analiz etmek için kullanılabilecek nesne tespiti ve örnek segmentasyonu gibi çeşitli görevleri destekler. Bu, çiftçilerin hasatları daha verimli bir şekilde ayıklamasına ve derecelendirmesine, hataları azaltmasına ve tutarlı standartları korumasına yardımcı olur. 

Bu makalede, ejder meyvesinin ne zaman olgunlaştığını söylemenin neden zor olduğuna, geleneksel yöntemlerin neden genellikle yetersiz kaldığına ve bilgisayar görüşünün olgunluk tespitini nasıl daha güvenilir hale getirdiğine daha yakından bakacağız. Hadi başlayalım! 

Ejder meyvesinin olgunluğunu belirlemek neden bu kadar zor? 

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

İlk bakışta, ejder meyvesi yemek için yeterince basit görünür: kes, kaşıkla al ve ye. Ancak bir tane seçmeyi deneyen herkes, asıl zorluğun ne zaman olgunlaştığını anlamak olduğunu bilir. Muz, karpuz veya mango gibi olgunlaştıkça belirgin işaretler gösteren meyvelerin aksine, ejder meyvesi genellikle sizi tahmin etmeye bırakır.

Kafanın karışmasının bir nedeni de tek bir tür ejder meyvesi olmaması. Üç ana renk çeşidi vardır ve her biri biraz farklı şekilde olgunlaşır. Renk dışında, ejder meyveleri şekil, boyut ve kabuk özellikleri bakımından da farklılık gösterir. Bazılarının daha uzun pulları varken, diğerleri daha yuvarlaktır. 

İşte farklı ejder meyvesi türlerine daha yakından bir bakış:

• Beyaz ejder meyvesi: Bu, minik siyah tohumlarla benekli beyaz etli en yaygın çeşittir.
  ‍
• Kırmızı veya pembe ejder meyvesi: Özellikle göz alıcı hale getiren magenta veya pembe etli ve canlı kırmızı kabuğa sahiptir.
  ‍
• Sarı ejder meyvesi: Bu çeşit daha az yaygındır, altın veya sarı bir cilde sahiptir ve en tatlı çeşit olarak bilinir.

‍

Ejder meyvesinin olgun olup olmadığını anlamanın geleneksel yolları

Yapay zeka gibi en son 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 pitayanın olgunlaştığını gösteren birkaç yaygın işaret: 

• Kabuk rengi: Çoğu insan öncelikle ejder meyvesinin kabuğunu kontrol eder. Parlak pembe veya kırmızı renk genellikle olgunlaştığı anlamına gelirken, yeşil kısımlar daha zamana ihtiyacı olduğunu gösterir. Sarı ejder meyvesi, az kusurlu altın rengi bir kabuğa sahip olmalıdır. Ancak, bu kural evrensel değildir. Bazı meyveler dışarıdan olgun görünse de içi henüz hazır olmayabilirken, bazıları da aşırı olgunlaştıkça lekeler geliştirebilir.

• Doku (Texture): Dokunmak da bir diğer testtir. Olgun bir ejder meyvesi, olgun bir avokado gibi hafifçe bastırıldığında yumuşak olmalıdır. Çok sert hissediyorsanız, muhtemelen henüz olgunlaşmamıştır. Çok yumuşak veya lapa gibi hissediyorsanız, çoktan olgunlaşmış olabilir. Doku her zaman güvenilir değildir, çünkü ejder meyvesinin nasıl taşındığı ve saklandığı meyvenin ne kadar sert hissedildiğini değiştirebilir.

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

Görüntü İşleme Yapay Zekası ejder meyvesi olgunluk tespitini nasıl değiştiriyor

Cilt rengi veya sertlik gibi geleneksel ipuçları faydalı olabilir, ancak genellikle tutarsızdırlar. Bilgisayarlı görü, binlerce etiketli görüntüden öğrenerek ve insanların gözden kaçırabileceği kalıpları tanıyarak ejder meyvesi olgunluk tespitini daha güvenilir hale getirir.

Örneğin, YOLO11'in nesne tespiti, örnek segmentasyonu ve görüntü sınıflandırması gibi görevlere verdiği destek, model ilgili veri kümeleri üzerinde özel olarak eğitildiğinde meyveleri ayrıntılı olarak analiz etmek için kullanılabilir. 

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

‍

Olgun ejder meyvelerini tespit etmek için YOLO11'i eğitme

YOLO11, kutudan çıkar çıkmaz göreve bağlı olarak iyi bilinen veri kümelerinde önceden eğitilmiştir. Nesne algılama ve segmentasyon için, insanlar, hayvanlar ve arabalar gibi günlük nesneleri içeren COCO veri kümesinde önceden eğitilmiştir. 

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

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

• Veri toplama: Farklı ışıklandırma koşulları, açılar ve büyüme aşamalarında binlerce ejder meyvesi görüntüsü yakalanır. Her görüntü, göreve göre etiketlenir. Görüntü sınıflandırması için etiketler arasında olgunlaşmamış, olgunlaşmış ve aşırı olgunlaşmış olabilir. Nesne tespiti veya örnek segmentasyonu için, konumlarını işaretlemek ve ana hatlarını belirtmek için 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 öğrenimi yoluyla, algılama ve segmentasyon için COCO veya sınıflandırma için ImageNet gibi önceden eğitilmiş veri kümelerinden öğrenilen görsel özellikler üzerine inşa eder ve bunları ejder meyvesinin özelliklerine uyarlar. Açıklamalı görüntülerle özel YOLO11 eğitimi, modelin cilt rengindeki değişimler, doku değişiklikleri ve meyve formundaki varyasyonlar gibi olgunluk ipuçlarını almasını sağlar.

• Doğrulama ve test: Eğitimden sonra, YOLO11 daha önce görmediği ayrı bir ejder meyvesi görüntüleri kümesi üzerinde değerlendirilebilir; bu kümeye doğrulama veya test kümesi denir. Tahminleri, doğruluğu ölçmek ve olgunlaşmamış bir meyveyi olgun olarak yanlış sınıflandırmak gibi hataları belirlemek için temel doğruluk etiketleriyle karşılaştırılır. Bu değerlendirme, aşırı öğrenmeyi önlemeye yardımcı olur ve modelin eğitim verilerini ezberlemek yerine ilgili olgunluk ipuçlarını öğrendiğinden emin olur.

Olgunluk tespitinde bilgisayarlı görünün gerçek dünya uygulamaları

Şimdi de bilgisayarla görmenin özellikle ejder meyvesi hasadında olmak üzere gerçek dünyadaki tarım ve işlemeye nasıl uygulandığını keşfedelim.

İzleme ve olgunluk değerlendirmesi için dronlar

Çiftçiler, onlarca yıldır güneşin altında sıra sıra yürüyerek meyveleri elle kontrol etmek zorundaydı. Bu işlem yavaş, iş gücü yoğundu ve genellikle yaprakların altında saklanan veya geniş tarlalara yayılmış olgunluk belirtileri gözden kaçırılıyordu.

Günümüzde, meyve olgunluğunu izlemek için dronları ve bilgisayarla görmeyi kullanan yeni yaklaşımlar ortaya çıkıyor. Bu sistemler, renk ve dokudaki ince değişiklikleri ortaya çıkaran yüksek çözünürlüklü görüntüler yakalayabilir ve gözle yakalaması zor olan içgörüler sunar.

Yalnızca manuel kontrollere güvenmek yerine, bilgisayarlı görü modelleri yakalanan görüntülerden olgunluğu değerlendirmeye yardımcı olabilir. Çiftçiler, olgunluğu daha erken ve daha büyük ölçeklerde belirleyerek hasatları daha iyi planlayabilir ve meyveleri en iyi zamanda pazara sunabilirler.

Otomatik meyve toplama için robotlar 

Meyve toplama tamamen zamanlamayla ilgilidir. Bir gün erken veya geç olmak, bir hasadın değerini düşürebilir, bu nedenle robotik tarımın bir parçası haline geliyor. Örneğin, araştırmacılar karmaşık ortamlarda meyveleri bulmak için bilgisayarlı görü ve nesne tespiti kullanan ejder meyvesi hasat robotları geliştirdiler.

Bu tropikal meyve tanımlandıktan sonra, robot, mekanik bir tutucu veya pençeyi yönlendirerek meyveyi minimum hasarla hasat edebilir. Bazı sistemlerde ayrıca, bilgisayarlı görü kullanarak olgun meyveleri olgunlaşmamış veya hasarlı olanlardan ayırmak için entegre sıralama işlevleri bulunur. Aynı anda çalışan birden fazla robotik kol ile bu makineler, mahsul hasarı riskini azaltırken insanlardan daha hızlı ve tutarlı bir şekilde hasat yapabilir.

‍

Ejder meyvesi tespiti için Görüntü İşleme Yapay Zeka'sını kullanmanın artıları ve eksileri

Ejder meyvesinde olgunluk tespiti için bilgisayar görüşü kullanmanın temel faydalarından bazıları şunlardır:

• Atığı azaltır: Doğru olgunluk tespiti, erken hasadı azaltır ve depolama ve taşıma sırasında hasarı önler.

• Tutarlı kaliteyi sağlar: Çiftçiler, doğru olgunluk aşamasında meyveler tedarik ederek tüketici güvenini oluşturabilir ve pazar değerini artırabilir.

• Büyük ölçekli sıralamayı destekler: Görüntü sistemleri, büyük manuel iş gücü ekiplerine olan ihtiyacı azaltarak toplu hasatları hızlı ve hassas bir şekilde işleyebilir.

Öte yandan, ejder meyvesi tespiti için Vision AI kullanırken dikkate alınması gereken birkaç sınırlama şunlardır:

• Veri bağımlılığı: Görüntü modelleri, farklı aydınlatma koşulları, açılar ve büyüme aşamalarında çekilmiş geniş ve çeşitli pitaya veri kümeleri üzerinde eğitildiğinde en iyi performansı gösterir.

• Etiketleme çalışmaları (Annotation efforts): Bu veri kümelerini hazırlamak, genellikle uzman girdisiyle dikkatli etiketleme gerektirir; bu da zaman alıcı ve emek yoğun olabilir.

• Yüksek maliyetler: Yapay zeka sistemlerini geliştirmek, eğitmek ve dağıtmak, donanım, yazılım ve teknik uzmanlıkta önemli harcamaları içerebilir ve bu da daha küçük çiftlikler için bir engel olabilir.

Önemli çıkarımlar

Bilgisayarlı görü, ejder meyvesinin hasat ve sınıflandırılma biçimini dönüştürme potansiyeline sahiptir ve bu durum genel olarak tarım için de geçerlidir. Tarladan paketleme hattına kadar, görüntü destekli araçlar toplama, sınıflandırma ve paketleme süreçlerini kolaylaştırarak çiftçilerin meyveleri daha tutarlı bir şekilde teslim etmelerine yardımcı olabilir. Teknoloji ilerledikçe, Görüntüleme Yapay Zekasının tarımda daha da büyük bir rol oynaması muhtemeldir.

Yapay zekayı keşfetmeye hazır mısınız? Yapay zeka ve bilgisayarlı görü hakkında daha fazla bilgi edinmek için topluluğumuza ve GitHub depomuza katılın. Tarımda bilgisayarlı görü ve robotikte yapay zeka uygulamalarını keşfetmek için çözüm sayfalarımızı ziyaret edin. Lisanslama seçeneklerimizi inceleyin ve bilgisayarlı görüye bugün başlayın!