Farklı YOLO Algoritmaları ile Çeşit-1252 Makarnalık Buğday Tanelerinin Sınıflandırılması

Authors : Abdurrahman Coşkun, Kadir Sabancı
Pages : 56-67
Doi:10.55213/kmujens.1682072
View : 77 | Download : 170
Publication Date : 2025-12-23
Article Type : Research Paper
Abstract :Buğday, dünya genelinde temel bir tarımsal ürün olup, insan beslenmesinde kritik bir rol oynamaktadır. Buğdayın kalitesinin doğru ve etkin bir şekilde sınıflandırılması, hem üreticiler hem de tüketiciler açısından büyük önem taşımaktadır. Ancak geleneksel kalite sınıflandırma yöntemleri, genellikle zaman alıcı, maliyetli ve insan hatasına açık süreçler içermektedir. Bu çalışmada, modern nesne tanıma algoritmalarından olan YOLO (You Only Look Once) algoritmasının farklı versiyon ve alt modelleri kullanılarak Çeşit-1252 makarnalık buğday tanelerinin kalite sınıflandırması gerçekleştirilmiştir. Buğdayın camsılığı, kalite belirleme kriterlerinden biri olarak ele alınmış ve sınıflandırma için kullanılmıştır. Çalışmada kullanılan veri seti, 2738 adet camsı ve 1485 adet nişastalı buğday tanesi görsellerini içermektedir. Ayrıca, veri setinde buğday olmayan 773 adet çeşitli yabancı madde görselleri de yer almaktadır. Böylece, modelin yalnızca buğdayın camsılık özelliklerini sınıflandırması değil, aynı zamanda yabancı maddeleri ayırt etmesi de sağlanmıştır. Modellerin performans metrikleri incelendiğinde, YOLOv5 Large modeli, doğruluk (1,0), güven değeri (0,874) ve F1 skoru (0,99) ile en yüksek başarıyı göstermiştir. Camsı buğday sınıfında en iyi performans YOLOv7x ile nişastalı sınıf için ise YOLOv7x, YOLOv8 Large ve YOLOv11 Small modelleriyle elde edilmiştir. Yabancı madde tespitinde en başarılı model YOLOv7 olmuştur. Çalışmada kullanılan farklı YOLO algoritmaları ve modelleri, camsı ve nişastalı buğdayları başarılı şekilde sınıflandırmış ayrıca yabancı maddeleri ayırt etme konusunda da etkili bir performans göstermiştir. Bu durum seçilen yaklaşımın güvenilirliğini desteklemektedir.
Keywords : Buğday, camsılık, YOLO, sınıflandırma

ORIGINAL ARTICLE URL