Tarımsal üretimde kalite ve verimin artırılması ve maliyetlerin azaltılması için yüksek doğrulukla çalışan otonom sistemlerin kullanımı kaçınılmazdır. Ürün hasatının çok sayıda otonom robot sistemi tarafından farklı olgunluk seviyelerindeki ürünlerin toplanması şeklinde gerçekleştirilebilmesi için ürünlerin olgunluklarının yapay zeka yöntemleriyle tespit edilebilmesi gerekmektedir. Bu çalışmada, çoklu otonom robotik hasat sistemlerinde kullanılmak üzere muz olgunluk seviyelerinin otonom olarak sınıflandırılmasına yönelik iki evrişimsel sinir ağı modeli (YOLOv5s,YOLOv8n) kullanılmıştır. Modeller, 6 sınıflı bir muz olgunluk seviyesi veri seti ile eğitilerek elde edilen test sonuçları yaygın kullanılan ölçütler ile karşılaştırılmıştır.
The autonomous systems that are working with high accuracy must be utilized in agriculture in order to increase the quality and the efficiency and reduce the costs in agricultural production. For carrying out the harvesting of products with different ripeness levels by a large number of autonomous robot systems, the ripeness of the products must be determined by artificial intelligence methods. In this study, three different convolutional neural network models (YOLOv5s, YOLOv8n, YOLOv8m were used for autonomous classification of banana ripeness levels for use in multiple autonomous robotic harvesting systems. The models were trained with a 6-class banana ripeness level dataset and the test results are compared using widely used performance metrics
