Bu projede, seralarda yetiştirilen çileklerin olgunluk seviyesinin hızlı, doğru ve nesnel bir şekilde belirlenmesini sağlayan yapay zekâ tabanlı bir sistem geliştirilmesi amaçlanmaktadır. Geleneksel yöntemlerde olgunluk tespiti, insan gözlemine dayalı olduğundan öznel değerlendirmelere ve hatalara açıktır. Bu durum, hasat zamanının yanlış belirlenmesine ve ekonomik kayıplara yol açabilmektedir. Bu nedenle, bilgisayarla görme ve derin öğrenme teknikleri kullanılarak otomatik ve güvenilir bir çözüm geliştirilmesi büyük önem taşımaktadır. Proje kapsamında, farklı ışık ve çevresel koşullar altında elde edilmiş çilek görüntülerinden oluşan veri seti kullanılarak YOLO tabanlı nesne tespit modelleri eğitilecek ve performansları karşılaştırmalı olarak analiz edilecektir. Özellikle yarı olgun (semi-ripe) sınıfın doğru şekilde ayırt edilmesi üzerine odaklanılacaktır. Ayrıca veri artırma teknikleri uygulanarak modelin genelleme yeteneği geliştirilecek ve farklı çevresel koşullara karşı dayanıklılığı artırılacaktır. Elde edilen modeller, doğruluk (Precision, Recall, mAP) ve hesaplama maliyeti (FLOPs, FPS) açısından değerlendirilecek; en uygun model optimize edilerek gerçek zamanlı çalışabilecek hale getirilecektir. Bu proje sonucunda, akıllı tarım uygulamalarında kullanılabilecek, düşük maliyetli ve yüksek performanslı bir olgunluk tespit sistemi geliştirilmesi hedeflenmektedir.