Derin öğrenme modelleri kullanılarak akıllı atık sınıflandırma sistemin geliştirilmesi
Development of an intelligent waste classification system using deep learning models
- Tez No: 1003198
- Danışmanlar: PROF. DR. SAADETTİN AKSOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Şehirler büyüdükçe, atıkları daha akıllı ve daha hızlı bir şekilde ayrıştırma ve yönetme ihtiyacı her geçen ğün daha da önem kazanmaktadır. Genellikle kullanılan geleneksel yöntemler, çok zaman alıcı ve verimsiz olan manuel işçilik ğerektirir. Bu çalışmanın amacı, farklı atık türlerini doğ rudan görüntülerden tanıyabilen derin öğrenme modelleri kullanan akıllı bir atık sınıflandırma sisteminin geliştirilmesidir. Bunu başarmak için, Simple CNN, ResNet50 ve YOLOv8 olmak üzere üç model, geri dönüştü rülebilir ve geri dönüştü rulemeyen malzemelerin görüntülerini içeren özel bir veri seti kullanılarak eğitildi ve karşılaştırıldı. Eğitimden önce, veri setinin kalitesini ve dengesini iyileştirmek için görüntüler yeniden böyütlandırıldı, normalleştirildi ve artırıldı. Modeller arasında ResNet50, derin mimarisi ve ayrıntılı ğörsel özellikleri ayıklama yeteneği sayesinde iyi sonuçlar gösterdi. YOLOv8 modeli 0.96 F1-skoru ile sınıflandırma performansında tüm modelleri geride bırakarak en iyi sonucu vermiştir. Simple CNN modeli ise daha düşük doğruluk oranına sahip olduğu ve daha karmaşık görüntüleri tanımlamakta zorlandığı ğösterildi. Bu tez çalışmasında derin öğrenmenin atık ayrıştırma sistemlerini daha akıllı ve çevre dostu hale getirmek için nasıl kullanılabileceği ve gerçek zamanlı atık ayrıştırma sistemlerinin geliştirilmesinde uygulanabileceği gösterilmiştir.Gelecekte, bu çalışmanın İOT cihazlarıyla entegrasyonu ile akıllı atık yönetimi çözümü oluştürmasında katkı sağlayacaktır.
Özet (Çeviri)
As urbanization increases, the need for smarter and more efficient waste classificatiön systems becomes urgent. Traditional manual sorting methods are often time-consuming and inefficient. The principal objective öf this research is to develop an intelligent waste classification system using deep learning models capable of identifying waste types directly from images. For this purpose, three architectures—Simple CNN, ResNet50, and YOLOv8— were trained and compared using a specialized dataset of recyclable and non-recyclable materials. Prior to training, images underwent resizing, normalization, and data augmentation to enhance dataset quality and balance. Among the evaluated models, ResNet50 demonstrated robust performance due to its deep residual framework and superior feature extraction capabilities. By leveraging transfer learning, it effectively identified intricate visual patterns, significantly outperforming the baseline. However, the YOLOv8 model achieved the superior overall result, with a peak F1 score of 0.96, showcasing the highest classification precision. Conversely, the Simple CNN yielded only moderate accuracy, struggling with complex visual features, which highlights the importance of architectural sophistication. This project demonstrates the potential of deep learning to make waste management systems more intelligent and eco-friendly. These findings are applicable tö the development of automated recycling systems and smart bins. Future work will focus on integrating these models with IoT devices and testinğ them in real-world environments to provide a comprehensive smart waste management solution.
Benzer Tezler
- Yapay zekaya dayalı olarak insanların katı evsel atıklarının tahmini ve orman endüstrisi'nin kullanımı için optimizasyon
Prediction of human solid household waste based on artificial intelligence and optimization for forest industry use
AYLY ACHYLOV
- Intelligent cyber attack detection using social media posts
Sosyal medya paylaşımları kullanılarak akıllı siber saldırı tespiti
MUSTAFA AYDIN
Yüksek Lisans
İngilizce
2021
Sabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Derin öğrenme teknikleri kullanılarak anayol trafik analizi
Analysis of highway traffic using deep learning techniques
MUHAMMET ESAT ÖZDAĞ
- Derin öğrenme ile farklı model ve öğrenme algoritmaları kullanılarak kısa vadeli elektrik yük tüketiminin tahmini
Forecasting short-term electricity load consumption using different models and learning algorithms with deep learning
MEHMET TAHİR UÇAR
- Derin öğrenme kullanılarak perakende ürün tespiti
Başlık çevirisi yok
İSMAİL KÖSE
Yüksek Lisans
Türkçe
2022
Sivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
Yükleniyor...