Horticulturae dergisinde 12 Eylül 2026'da yayımlanan çalışma, seçici kadife çiçeği hasadı için çiçeğin üç boyutlu toplama noktasını ve kavrama açısını tahmin eden RGB-D tabanlı bir görüş hattı geliştirdi. Yandan görüntülemede ince sap, yaprak ve çiçek örtüşmesi ile taç–sap birleşimindeki düşük kontrast robotik hasadı zorlaştırıyor. Araştırmacılar derinlik destekli ön plan çıkarımı, hafif bir örnek bölütleme modeli, taç ile sapı eşleştiren iki aşamalı yöntem ve geometrik poz hesabını birleştirdi. Dış ortam deneylerinde en yüksek grup ortalama konum hatası 0,0095 metre, en yüksek grup ortalama açı hatası 5,11 derece olarak bildirildi. Çalışma, farklı ve daha karmaşık tarla arka planlarında ek doğrulama gerektiğini açıkça belirtiyor.
Model hangi sorunu çözüyor?
Robot, görünen turuncu çiçeği bulsa bile kesme veya kavrama noktasını ince sap üzerinde doğru konumlandırmak zorunda. Yaprakların sapı örtmesi ve sap ile arka planın benzer görünmesi, yalnız sınırlayıcı kutu üreten modelleri yetersiz bırakabilir. Çalışma bu nedenle sap maskesini ve çiçek tacı merkezini ayrı hesapladı.
HSN-YOLOv8n-seg modelinde ince dokuyu korumak için Haar dalgacık aşağı örnekleme, belirsiz bölgeleri güçlendirmek için uzamsal grup iyileştirme ve hafif bir bölütleme başlığı kullanıldı. Model yüzde 78,53 kesinlik ve IoU 0,5 eşiğinde yüzde 75,43 mAP50 değerine ulaştı; 3,17 milyon parametreyle çıkarım süresi 9,42 milisaniye olarak raporlandı.
Toplama noktası ve açı nasıl üretildi?
Sistem sap merkezini aday toplama noktası olarak hesapladı. İlgili çiçek tacının merkezi, mesafe öncelikli eşleştirme ve çizgi kesişimi doğrulamasıyla sapa bağlandı; iki merkez arasındaki eksen kavrama yönünü tanımladı. Bu yaklaşım, ağın doğrudan her olası açıyı öğrenmesi yerine geometrik bir ara katman kuruyor.
Dış ortam deneylerinde en yüksek grup ortalama konum hatası 9,5 milimetre, tek örnekteki en yüksek hata 10,7 milimetreydi. En yüksek grup ortalama açı hatası 5,11 derece, tek örnekteki en yüksek açı hatası 14,14 derece oldu. Bu değerler robot kolunun gerçek kesme başarısı, çevrim süresi veya üründe hasar oranıyla aynı metrik değildir.
Saha aktarımında hangi boşluklar var?
Model sonuçları belirli kamera, çeşit, görüntüleme açısı ve deney düzenine bağlıdır. Çiçek yoğunluğu, sap eğimi, rüzgâr, gölge, yağış sonrası parlama ve bitki yüksekliği değiştikçe hata dağılımı farklılaşabilir. Makale de karmaşık arka planlarda daha geniş doğrulama gereğini vurguluyor.
Ticari bir sistemde kamera koordinatı robot koluna kalibre edilmeli; kesici veya kavrayıcının mekanik boşluğu, gecikme ve bitki hareketi toplam hataya eklenmeli. Bu nedenle algı modeli, uçtan uca hasat başarısının yalnız bir bileşenidir.
Editoryal değerlendirme: milimetre hatası hasat verimi değildir
Agro Gelecek'in değerlendirmesine göre çalışma, ince saplı ve örtüşmeli ürünlerde konum ile yön bilgisini birlikte üretmesi bakımından değerlidir. Hafif model ve kısa çıkarım süresi de kenar donanımı açısından araştırmaya açık bir avantaj sunuyor.
Buna karşın yatırım kararı için saatlik toplama kapasitesi, doğru ürün seçimi, sap hasarı, duruş, temizlik ve farklı tarlalara yeniden kalibrasyon maliyeti gerekir. Türkiye'deki tıbbi-aromatik veya kesme çiçek uygulamalarında model doğrudan kopyalanmamalı; yerel çeşit ve yetiştirme mimarisiyle yeniden veri toplanmalıdır.
Neden önemli?
Konumun yanında kavrama yönünü de tahmin eden hafif bir RGB-D hattı, hassas ve örtüşmeli bitkilerde seçici hasat robotlarının uç efektörü doğru açıyla yaklaştırmasına yardımcı olabilir.
Türkiye için ne ifade ediyor?
Türkiye'de kadife çiçeği ve benzer tıbbi-aromatik ya da süs bitkileri için yerel çeşit, ışık, rüzgâr ve sıra mimarisini kapsayan veri seti; algı sonucunu gerçek kesme başarısıyla birleştiren bağımsız test gerekir.
Birincil kaynaklar
Olgusal bilgiler aşağıdaki resmî veya doğrudan kurumsal kaynaklarla kontrol edildi.