Page 22 - E-Tez Bülteni Mart 2025, SAYI 2
P. 22
Tez Özeti
Tarımda otomasyonun gelişmesiyle birlikte meyvelerin sağlık durumunun gözlemlenmesi, rekolte tahmini ve otomatik bir şekilde hasat
edilebilmesi gibi tarımsal uygulamaların yapılabilmesi için meyvelerin mekânsal konumlarının belirlenmesi hassas tarım açısından büyük
önem taşımaktadır. Tez çalışmasında, bir kivi ağacına ait LiDAR nokta bulutu verileri kullanılarak, Destek Vektör Makinesi (DVM)
algoritması ile kivi ağacına ait kivi-kivi dışı noktalarının segmentasyonu hedeflenmiş ve tarım sektöründe rekolte tahminine katkıda
bulunmak için makine öğrenme yöntemlerinden faydalanılması amaçlanmıştır. LiDAR verisinden elde edilen kırmızı, yeşil ve mavi renk
değerleri bilgileri ve her nokta için X, Y, Z yönlerinde hesaplanan yüzey normal vektörü değerleri DVM’ ye girdi veri olarak sunulmuş
ve sınıflandırma için eğitim işlemi gerçekleştirilmiştir. Çalışmada, yersel LİDAR tarayıcısı ile taranmış 1 adet kivi ağacına ait nokta bulutu
kullanılmıştır. Nokta bulutu verisi 6 parçaya bölünmüş ve 2 tanesi DVM eğitim, 4 tanesi ise test işlemi için kullanılmıştır. DVM eğitiminde,
ilgili veriye en uygun ayar parametrelerinin tespiti için Grid Search Optimizasyon algoritmasından faydalanılmış ve eğitim işlemi
gerçekleştirilmiştir. Eğitim işlemi için doğruluk değerleri; Genel Doğruluk, Kesinlik, Geri Çağırma, F1-Skor ve Birleşimlerin Kesişimi doğruluk
metrikleri için sırasıyla 0.95, 0.88, 0.86, 0.87 ve 0.79 olarak hesaplanmıştır. Test işlemi, kivi ağacına ait 4 parça nokta bulutu ile
gerçekleştirilmiş olup, aynı doğruluk metrikleri için sırasıyla ortalama doğruluk değerleri; 0.95, 0.80, 0.86, 0.82 ve 0.73 olmak üzere
hesaplanmıştır.
Anahtar kelimeler: Destek Vektör Makinesi, Nokta Bulutu, Meyve Tespiti, Hassas Tarım