Pirinç Sınıflandırma Modeli

Tarımsal ürün sınıflandırması, laboratuvarda uzman gözüyle yapıldığında hem yavaş hem de kişiye bağlı bir iş. Pirinç türlerinin ayrımı özellikle zor; taneler arasındaki fark çoğu zaman birkaç milimetrelik boyut ve oran farkından ibaret.

Model, Kaggle'daki pirinç veri seti üzerinde eğitildi. Görüntüler önce normalize edildi ve veri artırma (data augmentation) ile döndürme, yakınlaştırma ve parlaklık varyasyonları eklendi; böylece model gerçek dünyadaki değişken çekim koşullarına karşı dayanıklı hâle getirildi. Evrişimli sinir ağı mimarisi, aşırı öğrenmeyi engellemek için dropout katmanlarıyla birlikte kuruldu.

Test setinde %98 doğruluk elde edildi. Karışıklık matrisi incelendiğinde hataların büyük kısmının birbirine görsel olarak en yakın iki tür arasında yoğunlaştığı görüldü — bu da modelin rastgele değil, anlamlı bir sınır öğrendiğini gösteriyor. Model Hugging Face Spaces üzerinde canlı olarak denenebiliyor.