Elma Kalitesinin Fiziksel ve Kimyasal Özelliklere Göre Sınıflandırılması: Makine Öğrenmesine Dayalı Bir Yaklaşım

Öz

Bu çalışmada elma kalitesini belirlemek için fiziksel ve kimyasal özellikleri değerlendirmek amacıyla makine öğrenmesi tabanlı bir yaklaşım incelenmiştir. Geleneksel kalite kontrol yöntemleri zaman alıcı, maliyetli ve öznelken, yapay zeka ve bilgisayarlı görme teknikleri daha hızlı ve daha güvenilir sonuçlar sunmaktadır. Çalışmada elma boyutu, ağırlığı, tatlılık, gevreklik, sululuk, olgunluk ve asidite gibi temel fiziksel ve kimyasal değişkenleri içeren 4000 örnekten oluşan bir veri seti kullanılmıştır. Eğitim ve test aşamalarında çeşitli makine öğrenmesi algoritmalarının performansları karşılaştırılmıştır. Model performans değerlendirmelerinde Seçmen Sınıflandırıcı (VT) algoritması %91,25 ile en yüksek doğruluk oranına ulaşmış ve F1 Puanı %91,25 ile diğer temel metriklerde de üstünlük göstermiştir. Trabzon'da gerçekleştirilen çalışmada, seçmen yapısı içerisinde LGBM (Light Gradient Boosting Machine) ve CatBoost algoritmalarının kombinasyonu, model performansını artıran yenilikçi bir yaklaşım olarak öne çıkmıştır. Bu yöntemin literatürde sınırlı uygulamaları olmasına rağmen, tarım sektöründe kalite kontrol süreçlerinin optimizasyonuna önemli katkılar sağlama potansiyeli bulunmaktadır. Sonuç olarak, yapay zeka destekli sistemlerin tarımsal kalite değerlendirmesinde etkili bir araç olduğu sonucuna varılmıştır