Meyve bahçelerinde derin öğrenme yöntemi ile rekolte tespiti için uçan robotik sistem tasarımı deneysel uygulaması

Abstract

Son yıllarda nüfus artışı ve iklim değişikliği gibi etkenler ile ortaya çıkan ve içinde bulunduğumuz yüzyılda insanlığın temel sorunları arasında gösterilen gıdaya erişim, tarımda verimliliğin artırılması, hassas ve doğru tarım uygulamalarına geçiş gibi konular oldukça önem arz etmektedir. Bu uygulamalı tez çalışmasında, tarımda verimliliği kontrol etmek için önemli bir konu olan rekoltenin belirlenmesini ve mahsulün durum analizinin gerçekleştirilmesini sağlayacak hava aracının tasarımı ve imalatı, yapay zeka modelinin oluşturulması ve deneysel olarak uygulanması amaçlanmıştır. Bu çalışma için tasarlanıp üretilen dört rotorlu hava aracı, kamera ve sensör sistemi ile donatılmasıyla birlikte derin öğrenme yöntemiyle elde edilen görüntüleri analiz etme özelliğine de sahiptir. Bu sebeple, çalışmada uçan robotik sistem (URS) olarak isimlendirilmiştir. Robotik sistemden elde edilen görüntüler üzerinde evrişimli sinir ağ (ESA) yöntemi kullanılarak iki farklı mimari yaklaşımı ile elmaların tespit edilmesi gerçekleştirilmiştir. Farklı yaklaşımlar ile derin öğrenme modellerinin performansları kıyaslanarak elmaların tespit edilme doğruluğunu artırmak için eğitimde kullanılan hiperparametrelerin optimize edilmesini sağlayan özgün bir yöntem uygulanmıştır. Ayrıca çalışmanın temel amacı olan rekoltenin belirlenmesi için de elmaların sayılma performansını artıran yeni bir yaklaşım önerilmiştir. Sonuçlar son derece umut verici olup uygulanan tüm yöntemler performans açısından karşılaştırmalı olarak tez içerisinde sunulmuştur.Anahtar Kelimeler: Mini İnsansız Hava Aracı, Derin Öğrenme, Robotik, Tarımda Teknoloji

Nowadays, issues such as access to food, increasing productivity in agriculture, and transition to sensitive and correct agricultural practices, which have emerged with factors such as population growth and climate change, and which are among the main problems of humanity in the current century, and are of great importance. This applied thesis aims to design and manufacture the micra aerial vehicle (MAV), which will enable the determination of the yield, which is an important issue to control productivity in agriculture, and the analysis of the crop situation, the creation of an artificial intelligence model and its experimental application. The quadrotor MAV designed and produced for this study, equipped with a camera and sensor system, also could analyze images obtained by deep learning method. For this reason, it is named the flying robotic system (FRS) in the study. Apples are detected with two different architectural approaches by using the convolutional neural network (CNN) method on the images obtained from the robotic system. By comparing the performances of deep learning models with different approaches, a unique method was applied to optimize the hyperparameters used in training in order to increase apple detection accuracy, a new approach has been proposed to increase the counting performance of apples to determine the yield, which is the main purpose of the study. The results are very promising and all the applied methods are presented in the thesis in terms of performance. Keywords: Micro Aerial Vehicle (MAV), Deep Learning, Robotic, Agricultural Technologies