Meyve ve Sebzelerin Otomatik Sınıflandırılması için Derin Öğrenme: Verimlilik ve Doğruluk Açısından Değerlendirme

Abstract

Tarım alanında, meyve ve sebzelerin tazelik seviyelerinin doğru bir şekilde kategorize edilmesi büyük önem taşımaktadır. Bu sınıflandırma, bozulmanın erken tespit edilmesini sağlar ve ürünlerin ihracat hedeflerine göre uygun şekilde gruplandırılmasına olanak tanır. Bu süreçler, meyve ve sebzeleri titizlikle sınıflandırabilen ve işgücü maliyetlerini en aza indirebilen bir sistem gerektirir. Mevcut çalışma, her bir meyve ve sebzenin tazelik durumunu 'iyi', 'orta' veya 'bozulmuş' olarak etkili bir şekilde kategorize edebilen gelişmiş bir modelin geliştirilmesine odaklanmaktadır. Bu amacı gerçekleştirmek için CNN, AlexNet, ResNet50, GoogleNet, VGG16 ve EfficientB3 dahil olmak üzere çeşitli yapay zeka modelleri uygulanmış ve sırasıyla %99.75, %97.97, %96.71, %99.49, %98.75 ve %99.81 gibi dikkat çekici başarı oranları elde edilmiştir.

Within the agricultural domain, accurately categorizing the freshness levels of fruits and vegetables holds immense significance, as this classification enables early detection of spoilage and allows for appropriate grouping of products based on their intended export destinations. These processes necessitate a system capable of meticulously classifying fruits and vegetables while minimizing labor expenditures. The current study concentrates on developing an advanced model that can effectively categorize the freshness status of each fruit and vegetable as 'good,' 'medium,' or 'spoiled.' To achieve this objective, various artificial intelligence models, including CNN, AlexNet, ResNet50, GoogleNet, VGG16, and EfficientB3, have been implemented, attaining remarkable success rates of 99.75%, 97.97%, 96.71%, 99.49%, 98.75%, and 99.81%, respectively.