Süne Zararı ve Yabancı Maddelerin Tespiti ile Otomatik Buğday Kalite Değerlendirmesi için YOLOv5–YOLOv11 Modellerinin Karşılaştırmalı Analizi

Abstract

Tarım sektöründe ürün kalitesi ve gıda güvenliği, özellikle buğday gibi temel gıda ürünlerinde son derece yüksek öneme sahiptir . Buğday kalite kontrolü, süne zararını ve yabancı maddeleri belirlemeyi içeren bir süreç olarak ele alınmaktadır. Geleneksel yöntemlerde bu tespit işlemleri çoğunlukla manuel yöntemlerin kullanıldığı teknikler ile gerçekleştirilir, bu da zaman kaybına ve insan hatalarına neden olabilmektedir. Bu çalışma, yapay zeka tabanlı bir entegre görüntü işleme sistemi kullanarak buğdaydaki süne zararlarını ve yabancı maddeleri manuel işleme süreçlerinden çıkararak otomatik bir sistem aracılığı ile belirlemeyi önermektedir. Nesne tespiti için önerilen sistemde YOLO tabanlı derin öğrenme modelleri kullanılmıştır. Bu kapsamda YOLOv5, YOLOv7, YOLOv8 ve YOLOv11 varyantları karşılaştırmalı olarak incelenmiştir. Çalışmada, çeşitli koşullar altında elde edilen buğday fotoğraflarından oluşan çok sınıflı özgün bir veri seti oluşturuluştur. Bu veri setinde elde edilen görüntülere ek olarak veri artırma yöntemlerini kullanarak modelin genelleme yeteneğinin geliştirilmesi amaçlanmıştır. Deneysel sonuçlar incelendiğinde YOLOv11-L modelinin %97.1 doğruluk, %95.8 precision, %94.6 recall ve %95.2 F1-skorları ile en iyi performansı gösterdiğini göstermektedir. Ayrıca, %96.8 mAP@0.5 ve %75.4 mAP@0.5:0.95 ile diğer modellerden daha üstün performans ortaya koymuştur. Elde edilen sonuçlar, tasarlanan sistemin gerçek zamanlı olarak uygulanabilir olduğunu ve tarımsal kalite kontrol süreçlerinde yapay zekâ destekli nesne tespiti tekniklerinin etkili bir çözüm olduğunu göstermektedir.