Drone teknolojisinin yaygınlaşmasıyla birlikte, otomatik olarak toplanan büyük hacimli görüntü setlerinin kalite kontrolü önemli bir sorun haline geldi. Özellikle referans görüntünün bulunmadığı durumlarda görüntü kalitesini değerlendirmek, hem zaman hem de işlem gücü açısından zorlu bir süreç.
Araştırmacılar bu soruna çözüm olarak Multi-Metric Image Quality Assessment (MM-IQA) adını verdikleri hafif bir framework geliştirdi. Sistem, bulanıklık, kenar yapısı, düşük çözünürlük artefaktları, pozlama dengesizliği, gürültü, atmosferik sis ve frekans içeriği gibi yedi farklı yorumlanabilir ipucunu birleştirerek tek bir kalite puanı üretiyor.
MM-IQA'nın en önemli özelliği, referans görüntü gerektirmeden çalışabilmesi. Bu özellik, drone ile tarımsal alan taraması, çevre izleme veya harita çıkarma gibi uygulamalarda büyük avantaj sağlıyor. Sistem, Python ve OpenCV kullanılarak geliştirildi ve minimum hesaplama gücü gerektiriyor.
Beş farklı benchmark veri setinde (KonIQ-10k, LIVE Challenge, KADID-10k, TID2013 ve BIQ2021) yapılan kapsamlı testlerde sistem, 0.647 ile 0.830 arasında SRCC korelasyon değerleri elde etti. Ayrıca sentetik tarımsal veri seti üzerinde yapılan deneyler, tasarlanan metriklerin tutarlı davranış sergilediğini gösterdi. Bu sonuçlar, sistemin gerçek dünya uygulamalarında güvenilir performans sergileyeceğine işaret ediyor.