Bilgisayarlı görü kullanarak ejder meyvesinin olgun olup olmadığı nasıl anlaşılır

Ejder meyvesi (pitaya, pitahaya veya çilek armudu olarak da bilinir); parlak pembe kabuğu, yeşil uçlu pulları ve benekli eti ile tanınır. Kökeni Orta ve Güney Amerika'ya dayanan bu egzotik meyve, anavatanından çok uzaklara yayılmıştır.

Günümüzde tüm tropikal bölgelerde yıl boyunca yetiştirildiği için dünyanın her yerindeki marketlerde yaygın olarak görülmektedir. Sağlığa olan faydalarıyla bilinen ejder meyvesi; C vitamini, magnezyum ve genel sağlığı destekleyebilecek antioksidanlar açısından iyi bir kaynaktır.

Ejder meyvesinin popülaritesi arttıkça ve daha fazla insan onu tüketmeye başladıkça, hasat zamanının ne zaman geldiğini bilmenin zorluğu da artmıştır. Hem çiftçiler hem de tüketiciler sıklıkla şu soruyu sormaktadır: Ejder meyvesinin olgun olup olmadığını nasıl anlayabilirsin?

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

Şekillerine göre birden fazla kırmızı ejder meyvesi çeşidine genel bakış. (Kaynak)

Üreticiler için bu tutarsızlık, hasat değerinin kaybolması anlamına gelebilir. Tüketiciler içinse genellikle çekici görünen ancak lezzetten yoksun bir meyveyle sonuçlanır. Çiftçiler ve araştırmacılar bu zorluğu çözmek için teknolojiye yöneliyorlar.

Kıymetli verileri yorumlayıp analiz etmeyi sağlayan yapay zeka (AI) ve computer vision yardımıyla olgunluk tespiti daha tutarlı ve doğru hale geliyor. Örneğin Ultralytics YOLO11 gibi bilgisayarlı görü modelleri; meyveleri olgunluk durumuna göre tanımlamak, ayırmak ve incelemek için kullanılabilecek nesne tespiti ve örnek bölütleme gibi çeşitli görevleri destekler. Bu durum çiftçilerin hasatları daha verimli bir şekilde sınıflandırmasına, hataları azaltmasına ve tutarlı standartları korumasına yardımcı olur.

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

Ejder meyvesinin olgunluğunu belirlemek neden zordur#

Olgunluk kontrolünün geleneksel yöntemlerine dalmadan önce, ejder meyvesinin ne zaman olgunlaştığını belirlemenin neden bu kadar zorlayıcı olabileceğine bir bakalım.

İlk bakışta ejder meyvesi tadını çıkarması kolay bir meyve gibi görünür: Kes, içini oy ve ye. Ancak bir tane seçmeyi deneyen herkes, asıl zorluğun ne zaman olgunlaştığını anlamak olduğunu bilir. Olgunlaştıkça belirgin işaretler gösteren muz, karpuz veya mangonun aksine, ejder meyvesi seni genellikle tahminde bulunmaya zorlar.

Kafa karışıklığının bir kısmı, sadece bir çeşit ejder meyvesi olmamasından kaynaklanır. Üç ana renk çeşidi vardır ve her biri biraz farklı olgunlaşır. Rengin yanı sıra, ejder meyveleri şekil, boyut ve kabuk özellikleri bakımından da farklılık gösterir. Bazılarının pulları daha uzunken, diğerleri daha yuvarlaktır.

İşte farklı ejder meyvesi türlerine daha yakından bir bakış:

• Beyaz ejder meyvesi: Küçük siyah tohumlarla benekli beyaz ete sahip olan en yaygın çeşittir.
• Kırmızı veya pembe ejder meyvesi: Macenta veya pembe ete ve onu özellikle dikkat çekici kılan canlı kırmızı bir kabuğa sahiptir.
• Sarı ejder meyvesi: Altın veya sarı kabuğu olan ve en tatlı çeşit olarak bilinen, daha az yaygın bir çeşittir.

Şekil 2. Renklerine göre farklı ejder meyvesi çeşitleri. (Kaynak)

Ejder meyvesinin olgun olup olmadığını anlamanın geleneksel yolları#

Çiftçiler tarafından yapay zeka gibi ileri teknoloji benimsenmeden önce olgunluk kontrolleri, basit görsel ve dokunsal ipuçlarına dayanıyordu. Bu uygulamalar günümüzde hala çiftliklerde ve marketlerde yaygın olarak kullanılmaktadır.

İşte ejder meyvesinin olgun olduğunu gösteren bazı yaygın belirtiler:

• Kabuk rengi: Çoğu insan önce ejder meyvesinin kabuğuna bakar. Parlak pembe veya kırmızı ten rengi genellikle olgun olduğu anlamına gelirken, yeşil lekeler hala 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 içi hazır değildir, bazıları ise aşırı olgunlaştıkça lekelenir.

• Doku: Dokunma başka bir testtir. Olgun bir ejder meyvesi, tıpkı olgun bir avokado gibi basıldığında hafifçe esnemelidir. Çok sert hissediliyorsa muhtemelen hamdır. Çok yumuşak veya vıcık vıcık hissediliyorsa zaten aşırı olgunlaşmış olabilir. Ayrıca, ejder meyvesini tutma şeklin ve saklama koşulların meyvenin sertlik hissini değiştirebileceğinden, doku her zaman güvenilir değildir.

• Diğer işaretler: Ejder meyvesi çiftçileri bazen daha küçük detaylara güvenirler. Meyvenin bracts (yapraksı kanatları) olgunlaştıkça kurumaya ve kıvrılmaya başlayabilir ve sapın yakınındaki hafif tatlı bir aroma da bir ipucu olabilir. Bu ipuçları yardımcı olabilir, ancak belirsizdirler ve gözden kaçırılmaları kolaydır.

Görüntü yapay zekası ejder meyvesi olgunluk tespitini nasıl değiştiriyor#

Kabuk 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, Ultralytics YOLO11'in object detection, örnek bölütleme ve görüntü sınıflandırma gibi görevler için desteği, model ilgili veri setleri üzerinde özel olarak eğitildiğinde meyveyi ayrıntılı olarak analiz etmek için kullanılabilir.

Özellikle, nesne algılama bir görüntüdeki ayrı meyveleri tanımlayabilir. Benzer şekilde, örnek segmentasyonu meyveler üst üste geldiğinde bile her birini çevresinden ayırabilir ve görüntü sınıflandırma, şekil, doku veya renk gibi özelliklere dayalı olarak etiketler atayabilir.

Şekil 3. Veri kümesi oluşturmak için ham ve olgun ejder meyvesi görselleri. (Kaynak)

Olgun ejder meyvesini tespit etmek için Ultralytics YOLO11'i eğitme#

Kutudan çıktığı haliyle Ultralytics YOLO11, göreve bağlı olarak bilinen veri setleri üzerinde önceden eğitilmiştir. Nesne tespiti ve bölütleme için, insanları, hayvanları ve arabaları içeren günlük nesneleri barındıran COCO dataset üzerinde önceden eğitilmiştir.

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

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

• Veri toplama: Farklı aydınlatma koşullarında, açılarda ve büyüme aşamalarında binlerce ejder meyvesi görüntüsü yakalanır. Her görüntü göreve göre etiketlenir. Görüntü sınıflandırma için etiketler ham, olgun ve aşırı olgun içerebilir. Nesne tespiti veya örnek bölütleme için, meyvelerin konumunu işaretlemek ve ana hatlarını çizmek amacıyla meyvelerin etrafına sınırlayıcı kutular veya maskeler çizilir. Bu etiketli örnekler, Ultralytics YOLO11'e öğrenmesi için ihtiyaç duyduğu bilgileri sağlar.

• Model eğitimi: YOLO11'i eğitmek sıfırdan başlamaz. Aktarım öğrenmesi yoluyla; tespit ve bölütleme için COCO veya sınıflandırma için ImageNet gibi önceden eğitilmiş veri kümelerinden öğrenilen görsel özellikler üzerine inşa edilir ve bunları ejder meyvesinin özelliklerine uyarlar. YOLO11'i açıklamalı görsellerle özel olarak eğitmek, modelin kabuk rengindeki değişimler, doku değişiklikleri ve meyve formundaki farklılıklar gibi olgunluk ipuçlarını yakalamasına olanak tanır.

• Doğrulama ve test etme: Eğitimden sonra Ultralytics YOLO11, doğrulama veya test seti adı verilen, daha önce görmediği ayrı bir ejder meyvesi görüntüsü seti üzerinde değerlendirilebilir. Doğruluğu ölçmek ve olgunlaşmamış bir meyveyi olgun olarak yanlış sınıflandırma gibi hataları belirlemek için tahminleri gerçek etiketlerle karşılaştırılır. Bu değerlendirme, aşırı uyumu (overfitting) önlemeye yardımcı olur ve modelin eğitim verilerini ezberlemek yerine ilgili olgunluk ipuçlarını öğrendiğinden emin olmasını sağlar.

Bilgisayarlı görünün olgunluk tespitindeki gerçek dünya uygulamaları#

Şimdi, bilgisayarlı görünün gerçek dünya tarım ve işleme süreçlerinde, özellikle de ejder meyvesi hasadında nasıl uygulandığını inceleyelim.

İzleme ve olgunluk değerlendirmesi için dronlar#

On yıllardır çiftçiler güneşin altında sıra sıra yürüyerek meyveleri elle kontrol etmek zorundaydı. Bu süreç yavaştı, emek yoğundu ve genellikle yaprakların altında gizlenen veya geniş tarlalara yayılan ince olgunluk işaretleri gözden kaçıyordu.

Günümüzde, meyve olgunluğunu izlemek için dronları ve bilgisayarlı görüyü kullanan yeni yaklaşımlar ortaya çıkıyor. Bu sistemler, renk ve dokudaki ince değişimleri ortaya çıkaran yüksek çözünürlüklü görüntüler yakalayarak gözle görülmesi zor olan bilgiler sunabiliyor.

computer vision modelleri, yalnızca manuel kontrollerle yetinmek yerine yakalanan görüntülerden olgunluğun değerlendirilmesine yardımcı olabilir. Çiftçiler, olgunluğu daha erken ve daha büyük ölçeklerde tespit ederek hasatları planlayabilir ve meyveyi en ideal zamanında pazara sunabilir.

Otomatik meyve toplama robotları#

Meyve toplama tamamen zamanlamayla ilgilidir. Bir gün erken ya da geç olmak hasatın değerini düşürebilir, bu yüzden robotik teknolojisi tarımın bir parçası haline geliyor. Örneğin araştırmacılar, karmaşık ortamlarda meyveleri bulmak için bilgisayarlı görü ve nesne tespitini kullanan ejder meyvesi toplama robotları geliştirmiştir.

Bu tropikal meyve tanımlandıktan sonra robot, onu minimum hasarla hasat etmek için mekanik bir tutucuyu veya kıskaç kolunu yönlendirebilir. Bazı sistemler ayrıca bilgisayarlı görü kullanarak olgun meyveleri ham veya hasarlı olanlardan ayırmak için entegre sınıflandırma işlevlerine sahiptir. Aynı anda çalışan birden fazla robot kolu ile bu makineler, ürün hasarı riskini azaltırken insanlardan daha hızlı ve tutarlı bir şekilde hasat yapabilir.

Şekil 4. Görüntü destekli bir robotun olgun ejder meyvelerini topladığına dair bir örnek. (Kaynak)

Ejder meyvesi tespiti için görüntü yapay zekası kullanmanın artıları ve eksileri#

İşte ejder meyvesinde olgunluk tespiti için bilgisayarlı görü kullanmanın temel faydalarından bazıları:

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

• Tutarlı kaliteyi garanti eder: Çiftçiler meyveleri doğru olgunluk aşamasında tedarik edebilir, böylece tüketici güveni oluşturulur ve pazar değeri artırılır.

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

Öte yandan, ejder meyvesi tespiti için görüntü yapay zekası kullanırken dikkate alınması gereken birkaç sınırlama şunlardır:

• Veri bağımlılığı: Görüntü modelleri, farklı ışık koşullarında, açılarda ve büyüme aşamalarında çekilmiş geniş ve çeşitli ejder meyvesi veri setleri üzerinde eğitildiklerinde en iyi performansı gösterirler.

• Açıklama çalışmaları: Bu veri kümelerini hazırlamak, genellikle uzman katkısıyla dikkatli bir etiketleme gerektirir; bu da zaman alıcı ve yoğun emek gerektiren bir süreç olabilir.

• Yüksek maliyetler: Yapay zeka sistemlerini geliştirmek, eğitmek ve dağıtmak; donanım, yazılım ve teknik uzmanlık açısından önemli harcamalar içerebilir, bu da küçük çiftlikler için bir engel olabilir.

Öne çıkanlar#

Bilgisayarlı görü, ejder meyvesinin hasat edilme ve sınıflandırılma şeklini dönüştürme potansiyeline sahiptir ve bu genel olarak tarım için de geçerlidir. Tarladan paketleme hattına kadar, görüntü destekli araçlar toplama, sınıflandırma ve paketleme işlemlerini kolaylaştırarak çiftçilerin meyveyi daha tutarlı bir şekilde sunmasına yardımcı olabilir. Teknoloji ilerledikçe, görüntü yapay zekasının tarımda çok daha büyük bir rol oynaması muhtemeldir.

Yapay zekayı keşfetmeye hazır mısın? Yapay zeka ve bilgisayarlı görü hakkında daha fazla bilgi edinmek için topluluğumuza ve GitHub depolarımıza katıl. Tarımda bilgisayarlı görü ve robotikte yapay zeka alanındaki diğer uygulamaları keşfetmek için çözümler sayfalarımızı ziyaret et. Lisanslama seçeneklerimizi incele ve bilgisayarlı görüye bugün başla!