Ceviz işleme hatları için YOLOv11 model temelli otomatik tespit ve sınıflandırma sistemleri

Authors : Hakan Aktaş, Emrullah Polat

Pages : 1638-1646

Doi:10.28948/ngumuh.1723155

View : 44 | Download : 55

Publication Date : 2025-10-15

Article Type : Research Paper

Abstract :Tarım ürünlerinin otomatik sınıflandırılması, kalite kontrol süreçlerinin hızlandırılması ve insan hatasının azaltılması açısından kritik öneme sahiptir. Bu çalışmada konveyör bant üzerinde bulunan çoklu ceviz bileşenlerinin gerçek zamanlı olarak tespiti ve sınıflandırılması amacıyla, YOLOv11 tabanlı bir derin öğrenme yöntemi önerilmiştir. Endüstriyel bir düzenek üzerinde görüntüler alınmış ve toplamda 1194 adet kabuk, 641 adet ceviz içi ve 458 adet zar görüntüsü etiketlenmiştir. Etiketlenen bu veriler ilk önce YOLOv11n modeli ile eğitilip test edilmiş olup; en yüksek recall değeri ceviz içi sınıfında 0.963 olarak ve en düşük recall değeri zar sınıfında 0.795 olarak hesaplanmıştır. Aynı etiketli veri seti daha büyük bir model olan YOLOv11L modeli ile eğitilip test edildiğinde en yüksek recall değeri ceviz içi sınıfında 0.977 ve en düşük recall değeri zar sınıfında 0.922 olarak hesaplanmıştır. Son olarak YOLO modellerinden farklı olarak RT-DETR nesne tespit algoritması alternatif bir model olarak kullanılmış ve sonuçları YOLOv11 modelleri ile kıyaslanmıştır. Her bir modelin kendine göre üstün yanları olup; elde edilen test sonuçlarına göre yüksek fps uygulamaları için YOLOv11n modeli, orta fps ve yüksek doğruluk için YOLOv11L modeli, orta - düşük fps değerlerinde kabuk ve ceviz içi sınıflarının yüksek doğrulukta tespiti için RT-DETR modeli önerilmektedir.
Keywords : Nesne Tespiti, Nesne Sınıflandırma, YOLOv11, RT-DETR, Ceviz Tespit ve Sınıflandırma

ORIGINAL ARTICLE URL