Yapay Zekâ Tabanlı Görüntü Analiz Uygulamaları ile Zeytinyağında Tağşişin Belirlenmesi
Identifying Adulteration in Olive Oil with Artificial Intelligence-Based Image Analysis Applications
- Tez No: 1013304
- Danışmanlar: PROF. DR. ABDULLAH BEYAZ
- Tez Türü: Yüksek Lisans
- Konular: Gıda Mühendisliği, Food Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Gıda Güvenliği Ana Bilim Dalı
- Bilim Dalı: Gıda Güvenliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gelişen teknolojiye paralel olarak yapay zekâ hayatımızın birçok alanında kullanılmaya başlanmıştır. Gıda sektöründe de yapay zekânın kullanım alanları giderek artmaktadır. Tağşiş analizi de bu alanlardan biridir. Bu çalışmada, son yıllarda yayımlanan tağşiş listelerinde en üst sırada yer alan ve ekonomik değeri yüksek olan natürel sızma zeytinyağında tağşiş analizine yönelik, geleneksel yöntemlere alternatif olarak hızlı sonuç verebilecek yapay zekâ tabanlı yeni yaklaşımların geliştirilmesi amaçlanmıştır. Bu sayede geleneksel yöntemlerde ihtiyaç duyulan maliyet, süre ve uzmanlık gereksinimlerinin azaltılarak gıda güvenliğine katkı sunulması hedeflenmiştir. Bunun için natürel sızma zeytinyağına %2, %5, %10, %20, %50 ve %75 oranlarında fındık yağı, ayçiçeği yağı ve her ikisinin karışımı eklenmiş, ardından RGB kamera ile görüntüleri alınmıştır. Elde edilen 12.600 adet görüntünün her biri etiketlenerek YOLOv12 mimarisinin YOLOv12n, YOLOv12m ve YOLOv12x ölçekleri kullanılmak üzere eğitim ve test işlemleri için bulut ortamına aktarılmıştır. Model performanslarının %2, %5 ve %10 tağşiş düzeylerinde yağ türüne ve model ölçeğine bağlı olarak değişkenlik gösterdiği belirlenmiştir. Tağşiş oranının %20'ye yükselmesiyle en yüksek tespit başarısı %81 ile YOLOv12m ölçeğinde elde edilmiştir. Tağşiş oranının %50 olduğu karışımlarda ise ayçiçeği yağı YOLOv12m, fındık yağı YOLOv12n ölçeğinde %100 doğrulukla tespit edilmiştir. Bu oran %75'e yükseldiğinde tüm model ölçeklerinde %100 doğruluk elde edilmiştir. Saf yağ grubu örneklerinde, natürel sızma zeytinyağında tüm ölçeklerde %99, fındık yağında tüm ölçeklerde %100 ve ayçiçeği yağında YOLOv12m ölçeğinde %100 doğruluk oranına ulaşılmıştır.
Özet (Çeviri)
In parallel with developing technology, artificial intelligence (AI) has been increasingly used in many areas of life, including the food industry. Adulteration analysis has become one of these application areas. In this thesis, an AI-based adulteration analysis method was developed as a fast alternative to conventional adulteration analysis methods for detecting adulteration in extra virgin olive oil (EVOO), which has ranked at the top of the adulteration lists published in recent years and has high economic value. The proposed approach aims to minimize the cost, time, and expertise required for conventional adulteration analysis while contributing to food safety. A dataset consisting of 12,600 RGB images was created in our laboratory. The dataset included EVOO adulterated with hazelnut oil (H.O.), sunflower oil (S.O.), or both at 2%, 5%, 10%, 20%, 50%, and 75% adulteration levels. All images were labeled and used to train and test YOLOv12n, YOLOv12m, and YOLOv12x models. It was observed that model performances varied depending on oil type and model scale at 2%, 5%, and 10% adulteration levels. With the adulteration level increased to 20%, the highest accuracy was acquired by YOLOv12m with 81%. In mixtures with 50% adulteration level, S.O. was detected with 100% accuracy using YOLOv12m, while H.O. was detected with 100% accuracy using YOLOv12n. When the adulteration level was increased to 75%, all models achieved 100% accuracy. In the pure oil samples, EVOO and H.O. were detected with 99% and 100% accuracy respectively by all models, and S.O. was detected with 100% accuracy by YOLOv12m.
Benzer Tezler
- Robot hücresi içerisinde yapay zekâ ve görüntü işleme tabanlı parça besleme kontrolü
Artifical intelligence and image processing-based part feeding control in a robot cell
ENESALP ÖZ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Yapay zeka yaklaşımı ile sefalometrik filmler üzerinden anatomik referans noktalarının tahmini ve açısal analizi
Estimation and angular analysis of anatomical reference points on cephalometric films with artificial intelligence approach
AYŞE BAŞAĞAOĞLU FINDIK
Doktora
Türkçe
2025
Mühendislik BilimleriSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLTEKİN ÖZDEMİR
- Kütle tasarımı çalışmaları için yapay zeka tabanlı artırılmış gerçeklik
Ai-based augmented reality for mass design studies
SÜHEYLA MÜGE HALICI
Doktora
Türkçe
2026
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. LEMAN FİGEN GÜL
- Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu
Analysis and optimization of artificial neural networks for image classification
OZAN ARSLAN
Doktora
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiPROF. DR. OĞUZ MÜFTÜOĞLU
PROF. DR. CANKUT ÖRMECİ
- Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters
FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi
GÖZDE ÖZDİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN