Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti

Özgür Önder; Yasin Karan

doi:10.53501/rteufemud.1402167

Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti

Öz

Çay yaprağı toplanırken içerisine farklı otlar karışabilmektedir. Daha kaliteli, sağlıklı ve lezzetli çay üretimi için bu sorunu önlemek ve yönetmek için güvenilir ve doğru bir teşhis ve tanımlama sistemi gereklidir. Bu sistem hem otonom çay hasadı sistemlerinde hem de çay kurutma fabrikaları girişlerinde kullanılabilecektir. Bu çalışma, çay bahçelerinden toplanan çay yaprakları ve içerisine en çok karışan eğrelti otundan oluşan veri kümesi üzerinde en hızlı nesne algılama modeli olan sadece bir kez bak (You Only Look Once, YOLO) algoritmasında v5 ve v8 olmak üzere iki farklı versiyonda eğiterek çay yaprağı içerisine karışan eğrelti otu sorununa yapay zeka tabanlı bir çözüm sunmayı amaçlamaktadır. Çay bahçelerinden alınan 747 dijital görüntü toplanarak veri seti oluşturuldu. Daha sonradan veri artırma yöntemleri kullanılarak veriler çoğaltılıp 1395 görüntü haline getirildi. Model eğitimleri arttırılmış son veri setine göre yapıldı. Her bir modelin eğitimi için aynı veri seti kullanıldı. YOLOv5 yaklaşımı için tanımlama sonuçları kesinlik, duyarlılık, mAP değeri ve F1-skoru parametrelerine göre sırasıyla %84,4, %81,0, %84,4 ve %0,83 ve YOLOv8 için tanımlama sonuçları sırasıyla %86,7, %79,9, %86,7 ve %0,83 çıkmıştır. Deneysel sonuçlar, bitki tespiti için YOLOv8 algoritmasının daha yüksek performansı göstererek üstün olduğunu göstermektedir. Bu çalışmanın iş yükünü en aza indirmesi ve çaya karışan otların hızlı bir şekilde tanımlanmasına ve tespit edilmesine yardımcı olarak kalite ve lezzet sorunlarının en aza indirilmesinde yapılacak çalışmalara desteği öngörülebilir.

Anahtar Kelimeler

Teşekkür

Bu çalışmada desteklerinden dolayı İNCE ARGE ekibinden Berkan Emre İNCE ve Soner TOKÇALAR’a teşekkür ederiz.

Kaynakça

Aktaş, A., Demir, Ö., Doğan, B. (2020). Derin öğrenme yöntemleri ile dokunsal parke yüzeyi tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(3), 1685-1700. https://doi.org/10.17341/gazimmfd.652101
Alan, A. ve Karabatak, M. (2020). Veri seti-sınıflandırma ilişkisinde performansa etki eden faktörlerin değerlendirilmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 32(2), 531-540. https://doi.org/10.35234/fumbd.738007
Altay, A., Yılmaz, S. (2023). YOLO Algoritması Kullanılarak T Hücrelerinin Sınıflandırılması. İleri Mühendislik Çalışmaları ve Teknolojileri Dergisi, 3(2), 66-81. https://dergipark.org.tr/en/pub/imctd/issue/75051/1230096
Biçgi, M. ve Karaca, İ. (2022). Nesne tespit algoritması (YOLOv4) kullanarak patates böceğinin (Leptinotarsa decemlineata)(Say) patates bitkisi üzerinde tespiti ve populasyon izleme olanakları. Türk Bilim ve Mühendislik Dergisi, 4(2), 123-129. https://doi.org/10.55979/tjse.1210904
Brucal, S., De Jesus, L., De Los Santos, J., Mendoza, M., Harion, K., Reyes, G., Nevalasca, D., Reyes, J. (2023). Development of Tomato Leaf Disease Detection using Single Shot Detector (SSD) Mobilenet V2. International Journal Of Computing Sciences Research, 7, 1857-1869. https://www.stepacademic.net/ijcsr/article/view/405
Cengil, E. and Çınar, A. (2021). Poisonous mushroom detection using YOLOV5. Turkish Journal of Science and Technology, 16(1), 119-127. https://dergipark.org.tr/en/pub/tjst/issue/60560/873764
Cömert, O., Hekim, M., Adem, K. (2019). Faster R-CNN kullanarak elmalarda çürük tespiti. International Journal of Engineering Research and Development, 11(1), 335-341. https://doi.org/10.29137/umagd.469929
Hanbay, K. ve Üzen, H. (2017). Nesne tespit ve takip metotları: Kapsamlı bir derleme. Türk Doğa ve Fen Dergisi, 6(2), 40-49. https://dergipark.org.tr/en/pub/tdfd/issue/33022/367257

Kıvrak, O. ve Gürbüz, M.Z. (2022). Performance comparison of yolov3, yolov4 and yolov5 algorithms: A case study for poultry recognition. Avrupa Bilim ve Teknoloji Dergisi, (38), 392-397. https://doi.org/10.31590/ejosat.1111288
Koklu, M., Unlersen, M.F., Ozkan, I.A., Aslan, M.F., Sabanci K. (2022). A CNN-SVM study base on selected deep features for grapevine leaves classification. Measurement, 188, 110425. https://doi.org/10.1016/j.measurement.2021.110425
Nergiz, M. (2023). Enhancing Strawberry Harvesting Efficiency through Yolo-v7 Object Detection Assessment. Turkish Journal of Science and Technology, 18(2), 519-533.
https://doi.org/10.55525/tjst.1342555
Omura, K., Yahata, S., Ozawa, S., Ohkawa, T., Chonan, Y., Tsuji, H., Murakami, N. (2018). An Image Sensing Method to Capture Soybean Growth State for Smart Agriculture Using Single Shot MultiBox Detector. In 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC) (pp. 1693-1698). IEEE. https://doi.org/10.1109/SMC.2018.00293
Öztürk, K. ve Şahin, M.E. (2018). Yapay sinir ağları ve yapay zekâ’ya genel bir bakış. Takvim-i Vekayi, 6(2), 25-36. https://dergipark.org.tr/tr/pub/takvim/issue/40063/427526
Sardoğan, M., Özen, Y., Tuncer, A. (2020). Detection of apple leaf diseases using faster R-CNN. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 8(1), 1110-1117. https://doi.org/10.29130/dubited.648387
Soeb, M.J.A., Jubayer, M.F., Tarin, T.A., Al Mamun, M.R., Ruhad, F.M., Parven, A., Meftaul, I.M., (2023). Tea leaf disease detection and identification based on YOLOv7 (YOLO-T). Scientific Reports, 13(1), 6078. https://doi.org/10.1038/s41598-023-33270-4
URL–1, (2023). https://www.kaggle.com/datasets/ozguronder1/tea-fern-dataset, 3 Eylül 2023.
Yanılmaz, S., Türkoğlu, M., Aslan. M (2024). Güneş Enerjisi Santrallerinde YOLO Algoritmaları ile Hotspot Kusurlarının Tespiti. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 36(1), 121-132. https://doi.org/10.35234/fumbd.1318060
Yıldırım, B. ve Cagıl, G. (2020). Bir montaj parçasının derin öğrenme ve görüntü işleme ile tespiti. Journal of Intelligent Systems: Theory and Applications, 3(2), 31-37. https://doi.org/10.38016/jista.710144
Yıldız, S. ve Midilli, A. (2022). Türkiye’de organik çay üretimi ve pazarlaması. Recep Tayyip Erdoğan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 3(2), 136-145. https://doi.org/10.53501/rteufemud.1174700
Yılmaz, S. (2023). Beyin tümörü tanıları için YOLOv7 algoritması tabanlı karar destek sistemi tasarımı. Kocaeli Üniversitesi Fen Bilimleri Dergisi, 6(1), 47-56. https://doi.org/10.53410/koufbd.1236305

Ayrıntılar

Birincil Dil

Türkçe

Konular

Elektronik Algılayıcılar

Bölüm

Araştırma Makalesi

Yazarlar

Özgür Önder
0009-0006-6344-185X
Türkiye

Yasin Karan ^*
0000-0002-9148-1000
Türkiye

Yayımlanma Tarihi

30 Haziran 2024

Gönderilme Tarihi

8 Aralık 2023

Kabul Tarihi

1 Nisan 2024

Yayımlandığı Sayı

Yıl 2024 Cilt: 5 Sayı: 1

DOI

https://doi.org/10.53501/rteufemud.1402167

IZ

https://izlik.org/JA33KA45FY

Kaynak Göster

RIS / Bibtex

APA

Önder, Ö., & Karan, Y. (2024). Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti. Recep Tayyip Erdogan University Journal of Science and Engineering, 5(1), 74-88. https://doi.org/10.53501/rteufemud.1402167

AMA

1.Önder Ö, Karan Y. Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti. RTEÜ-FEMÜD. 2024;5(1):74-88. doi:10.53501/rteufemud.1402167

Chicago

Önder, Özgür, ve Yasin Karan. 2024. “Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti”. Recep Tayyip Erdogan University Journal of Science and Engineering 5 (1): 74-88. https://doi.org/10.53501/rteufemud.1402167.

EndNote

Önder Ö, Karan Y (01 Haziran 2024) Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti. Recep Tayyip Erdogan University Journal of Science and Engineering 5 1 74–88.

IEEE

[1]Ö. Önder ve Y. Karan, “Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti”, RTEÜ-FEMÜD, c. 5, sy 1, ss. 74–88, Haz. 2024, doi: 10.53501/rteufemud.1402167.

ISNAD

Önder, Özgür - Karan, Yasin. “Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti”. Recep Tayyip Erdogan University Journal of Science and Engineering 5/1 (01 Haziran 2024): 74-88. https://doi.org/10.53501/rteufemud.1402167.

JAMA

1.Önder Ö, Karan Y. Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti. RTEÜ-FEMÜD. 2024;5:74–88.

MLA

Önder, Özgür, ve Yasin Karan. “Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti”. Recep Tayyip Erdogan University Journal of Science and Engineering, c. 5, sy 1, Haziran 2024, ss. 74-88, doi:10.53501/rteufemud.1402167.

Vancouver

1.Özgür Önder, Yasin Karan. Çay ve Eğrelti Otunun YOLOv5 ve YOLOv8 Algoritmaları ile Karşılaştırmalı Tespiti. RTEÜ-FEMÜD. 01 Haziran 2024;5(1):74-88. doi:10.53501/rteufemud.1402167

Cited By

Güneş Panellerindeki Arıza Tespiti için Derin Öğrenmeye Dayalı Bir Yaklaşım: YOLOv8 Uygulaması

Harran Üniversitesi Mühendislik Dergisi

https://doi.org/10.46578/humder.1821648