Bir tohum laboratuvari gunde 400 numune sayar, her biri 100 tohum. Bu elle sayilan 40.000 tohumdur. Yapay zeka bir tepsiyi saniyeler icinde isler.
Tohum sayimi ve cimlendirme testleri, islah programlari, kalite kontrol laboratuvarlari ve ticari fidanliklarda gunluk darbogazlardir. Uluslararasi tohum test standartlari, cimlendirme testleri icin numune basina 400 tohumun kesin sayimini gerektirir ve islah programlari sezon basina binlerce numune isler. Manuel sayim standarttir ve tam olarak kulaga geldigi kadar sikicidir. Yapay zeka fotograf analizi artik ayni gorevi zamain bir kesrinde, %95'in uzerinde dogrulukla gerceklestirir.
Manuel sayim darbogazı
Manuel tohum sayimi yavas, tekrarlayici ve basit gorunen bir sey icin sasirtici derecede hataya aciktir.
Standart bir cimlendirme testi, 400 tohumu 100'erlik gruplar halinde saymak, nemli substrata yerlestirmek ve filizler icin gunluk izleme yapmak gerektirir. Gunde 200 ila 400 numune isleyen bir kalite laboratuvari 80.000 ila 160.000 bireysel tohumla ilgilenir - tumunu elle sayar. Islah programlari daha da talepkardir: sezon basina binlerce capraz tozlasma sonucunu degerlendirir, her biri verim hesaplamalari icin kesin tohum sayimlari gerektirir.
Hatalar dramatik degildir ancak birikir. Beyaz bir tepsi uzerinde benzer renkteki tohumlari sayan bir teknisyen, ilk saatten sonra dogruluk kaybeder. Marul veya tutun gibi kucuk tohumlar artıklardan ayirt edilmesi zordur. Ve cimlendirme izleme - hangi tohumlarin cimledigini kaydetmek icin tepsileri gunluk kontrol etme - her numune uzerindeki gozlem yukunu 7 ila 14 gun boyunca katlar.
Yapay zeka tohum sayimi nasil calisir
Is akisi basittir: tohumlari kontrast bir yuzey uzerine yayin, yukaridan fotograflayin ve yapay zekanin her bir tohumu tespit edip saymasina izin verin.
Goruntu isleme yontemleri, arka plana karsi tohum seklindeki nesneleri tespit ederek, birbirine dokunan tohumlari watershed algoritmalari ile ayirarak ve toplam sayiyi dondurerek calisir. Derin ogrenme yaklasimlari daha ileri gider: tohumlari artıklardan ayırt etmeyi ogrenir, kismi cakismalari yonetir ve ayni goruntudueki farkli boyutlardaki tohumlari tanimlar. SoyCountNet cercevesi (2026), tarla kosullarinda soya tohumlari icin 4,61 ortalama mutlak hata ve 0,94 R-kare elde eder.
Isleme hizi en belirgin avantajdir. Derin ogrenme modelleri bir tepsi tohumu goruntu basina yalnizca 0,33 saniyede sayar. Goruntu cekimi ve yukleme suresi dahil, tam is akisi numune basina 10 saniyenin altinda surer - elle birkaç dakikaya kiyasla.
Yapay zeka ile cimlendirme izleme
Tohum saymak isin yalnizca yarisidir. Cimlendirme testleri, hangi tohumlarin cimledigini ve hangilerinin cimlediginin gunluk gozlemini gerektirir. Yapay zeka bunu da otomatiklestirir.
SeedRuler platformu (2025), fotograflardan pirinc tohumu cimlenmesini degerlendirmek icin geleneksel goruntu isleme ile YOLOv5 derin ogrenme tespitini birlestirir. Ortalama %95,5 dogruluk elde eder ve bir cimlendirme tepsisini 30 saniyenin altinda isler. Sistem, gorünur kokcuk cikisina dayanarak tohumlari cimlenmis veya cimlenmemis olarak siniflandirir, ardindan cimlendirme oranini otomatik olarak hesaplar.
Time-lapse duzenekleri daha da ileri gider: sabit bir kamera her tepsiyi planli aralklarla fotograflar ve yapay zeka, herhangi bir insan gozlemi olmadan gunler boyunca cimlendirme ilerlemesini takip eder. Laboratuvar teknisyeni tepsileri hazirlar, kamerayi baslatir ve sonunda sonuclari inceler.
400 tohumu elle sayin. Substrata yerlestirin. Her tepsiyi 7 ila 14 gun boyunca gunluk kontrol edin. Cimlenmis ve cimlenmemis olarak kaydedin. Orani hesaplayin. Bir teknisyen gunde 30 ila 50 tepsi yonetir.
Tepsiyi fotograflayin. Yapay zeka toplam tohum sayisini sayar ve cimlenmis ile cimlenmemis olarak siniflandirir. Cimlendirme orani saniyeler icinde hesaplanir. Time-lapse modu otomatik olarak izler.
Bitkiler ve tohum turleri
Yapay zeka tohum sayimi, kontrast bir arka plan uzerinde iyi ayrilmis tohumlarla en iyi sekilde calisir. Dogruluk tohum turune gore degisir.
- Buyuk tohumlar (misir, soya, fasulye): %97 ila 99 dogruluk. Ayirmasi ve tespit etmesi kolay
- Orta tohumlar (pirinc, bugday, aycicegi): %95 ila 97 dogruluk. SeedRuler platformu ozellikle pirinc icin insa edilmistir
- Kucuk tohumlar (marul, havuc, tutun): %90 ila 95 dogruluk. Daha yuksek cozunurluklu fotograflar ve dikkatli ayirma gerektirir
- Cok kucuk tohumlar (petunya, begonya): zorlu. Tohumlar telefon kamerasi cozunurlugunde bireysel piksellerden kucuk olabilir
Tarlada fide sayimi
Laboratuvar disinda, yapay zeka tarlada cikan fideleri de sayar. Bitki siralarinin drone veya zemin seviyesi fotograflari bireysel fideleri tespit eder, bitki yogunlugunu hesaplar ve tohumlarin cimlenemedigi boslukları belirler. Bu veriler ciftcilerin seyrek alanlarin yeniden ekilip ekilmeyecegine, bir sonraki sezon icin ekim oranlarinin ayarlanip ayarlanmayacagina veya belirli bolgelerdeki toprak ya da zararlı sorunlarinin arastirilip arastirilmayacagina karar vermesine yardimci olur.
Laboratuvar tohum sayimi ile tarla fide tespitinin birlesimi eksiksiz bir resim olusturur: kac tohum ekildi, laboratuvar testinde kaci cimlendi ve tarlada kaci gercekten cikti. Bu veri dongusu her asamada daha iyi kararlar saglar.
Sonuc
Tohum sayimi ve cimlendirme testleri, tarimin baslangicindan beri manuel gorevler olmustur. Yapay zeka fotograf analizi neyin olculecegini degistirmez - ne kadar sure aldigini degistirir. Birkaç dakika yerine numune basina 10 saniyenin altinda. Cogu mahsul tohumu icin %95'in uzerinde dogruluk. Laboratuvar kapaliyken calisan otomatik cimlendirme takibi.
Bir dahaki sefere 400 tohumluk bir tepsiyi saymaniz gerektiginde, once fotograflamayi deneyin. Elle saymaya baslamak icin rahat bir pozisyon bulmadan once sayim hazir olacaktir.