Bu çalışma, insansız hava araçlarından (İHA) elde edilen yüksek çözünürlüklü görüntüler kullanılarak erken evre mısır (Zea mays L.) fidelerinin otomatik sayımında farklı görüntü işleme algoritmalarının etkinliğini karşılaştırmak amacıyla yürütülmüştür. Araştırma kapsamında, DJI Mini 3 Pro İHA ile 10 metre irtifadan elde edilen 2016x3024 piksel çözünürlüğündeki görüntüler incelenmiştir. Fidelerin tespiti ve izolasyonu için Excess Green (ExG) indeksi tabanlı Otsu Eşikleme, HSV Renk Uzayı Filtreleme ve Canny Kenar Algılama yöntemleri uygulanmış; algoritmaların performansı uzman bir ziraat mühendisi tarafından gerçekleştirilen manuel sayımlar (yer gerçeği) ile istatistiksel olarak doğrulanmıştır. Pilot çalışma sonuçları, ExG+Otsu yönteminin %83,70 doğruluk oranı ve 0,58 R² ile manuel verilere en yakın performansı sergilediğini ortaya koymuştur. Buna karşın, HSV filtreleme yöntemi değişken ışık koşullarına duyarlılığı nedeniyle %72,05, Canny kenar algılama algoritması ise toprak dokusundaki yapısal gürültüler sebebiyle %62,60 doğruluk oranında kalmıştır. Görsel ve sayısal analizler, Otsu yönteminin mısır fidesi morfolojisini korumada ve nesne bütünlüğünü sağlamada diğer tekniklere göre daha dirençli bir yapı sunduğunu kanıtlamıştır. Sonuç olarak, düşük maliyetli İHA verileri ve temel görüntü işleme iş akışlarının, karmaşık derin öğrenme modellerine ihtiyaç duymadan kabul edilebilir bir hassasiyetle bitki popülasyon tespiti yapabildiği saptanmış; gelecek çalışmalarda örtüşen fidelerin ayrıştırılmasına yönelik ileri morfolojik filtrelerin sisteme entegre edilmesi hedeflenmiştir.