Otonom Çilek Toplama Robotu İçin Kamuflaj Tabanlı Veri Artırma Yoluyla Çilek Olgunluğu Değerlendirmesi

Görüye dayalı çilek toplama ve yerleştirme, çilek hasat robotlarının görsel servo prosedürlerini doğru bir şekilde tamamlaması için ana hedeflerden biridir. Tarım robotları için çilek olgunluğunun saptanmasındaki ana zorluk oklüzyondur. Bu çalışmada, çilek hasat koşullarının doğal ortamını simüle etmek için kamuflaj tabanlı bir veri artırma stratejisi kullanılarak çilek olgunluğu tespiti önerilmiştir. Kamuflaj tabanlı veri artırma tekniğinin oklüzyon sorununun üstesinden gelmedeki etkisini bulmak için Yolov4, Yolov4 tiny ve Yolov4 scaled ve bunların geleneksel veri artırma ve kamuflaj tabanlı veri artırma türevleri kullanıldı. Daha sonra sonuçlar esas olarak mean Intersection over Union (IoU), F-1 score, average precision (AP), frame per second (fps) temel alınarak değerlendirildi. Kamuflaj tabanlı veri artırma tekniğine sahip Yolov4 tiny, ortalama 206 fps'de olgun ve olgunlaşmamış çilekler için %84 IoU doğruluğu ~%99 AP ile olgun ve olgunlaşmamış çilekleri tespit etmede üstün performans göstererek, tarım çilek hasat robotu operasyon ihtiyacını karşıladı. Önerilen tekniğin performansı, daha sonra, karmaşık ve oklüzyon olan bir çilek hasat ortamında performansını göstermek için bu çalışmada zorluk veri seti olarak adlandırılan bir veri seti kullanılarak başarılı bir şekilde test edildi. Kamuflaj tabanlı veri artırma tekniği, otonom çilek hasat robotları için olgun ve olgunlaşmamış çileğin tespit prosedürünü artırmaya yardımcı oldu.