Geri Dön

Derin öğrenme ile içecek şişe kapağı üzerindeki görsellerden ürün tipi tanıma

Product type recognition from visuals on beverage bottle cap with deep learning

  1. Tez No: 657713
  2. Yazar: VOLKAN COŞKUN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TURHAN KARAGÜLER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Beykent Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 56

Özet

Endüstriyel içecek üretim hatlarında üretilen içecekler tazeliğinin ve bütünlüğünün korunması amacı ile şişelere doldurulur ve kapakları kapatılarak tüketicilere ulaştırılır. İçecek üretici firmalar çeşitli pazarlama ve reklam faaliyetleri ya da ürün tiplerinin birbirinden ayrıştırılması için ürün yelpazesinde bulunan her farklı ürün için üzerinde farklı görsel tasarımın bulunduğu şişe kapaklarını tercih edebilir, bu nedenle doğru ürüne doğru kapağın uygulanması önem taşımaktadır. Üretim sürecinde kapak uygulama makinasında yaşanacak bir sorun neticesinde, üretim hattında o an üretimi yapılan ürün şişesine, ürüne ait olmayan bir kapağın uygulanması mümkündür, bu durumda üretici açısından çözülmesi gereken bir kalite sorunu ortaya çıkmaktadır. Bu çalışmada bahsedilen sorunun çözümüne yönelik olarak, derin öğrenme ile içecek şişe kapağı üzerindeki görsellerin tanınması ve dolayısı ile kapak ile ürün arasında ilişki kurulduğu için ürün tipinin tanınması amaçlanmıştır. Evrişimsel sinir ağları, derin öğrenme tekniklerinin bir sınıfıdır. Ürün tipinin tanınmasında bir evrişimsel sinir ağı modeli olan VGG-16 modeli kullanılmıştır. Modelin ImageNet veri kümesi ile eğitilmiş hali üzerinden, tam bağlı katmanın son katmanı hariç öğrenme aktarması yapılmıştır. Tam bağlı katmanın son katmanı olan sınıflandırma katmanı bu çalışma için oluşturulmuş 9 farklı ürüne ait toplam 7200 adet fotoğraftan meydana gelen veri kümesi ile yeniden eğitilmiştir. Eğitim ve doğrulama sürecinde %99.99 doğruluk oranına ulaşılarak tatminkar bir sonuç elde edilmiştir. Ayrıca farklı ürüne ait bir kapağın ürün tipinin derin öğrenme ile tanınması ve o an üretimi yapılan ürüne uygulanmasını engellemeye yönelik bir prototip yazılım hazırlanarak önerilen çözümün uygulaması gerçekleştirilmiştir.

Özet (Çeviri)

Beverages produced in industrial beverage production lines are filled in bottles, bottle caps are closed and delivered to consumers in order to protect their freshness and integrity. Beverage companies may prefer different visual designs or figures on bottle caps for each product type or Stock Keeping Unit (SKU) because of marketing and advertising strategies or differentiating one product regarding to another in their product range. Therefore, it is important to use the right cap design on the right product. Due to a problem to be experienced in the production process, it is possible to apply a cap that does not belong to the product that is currently being produced in the production line, in this case a quality problem that needs to be solved for the manufacturer arises. In this study, in order to solve mentioned problem, it is aimed to recognize the visuals on the beverage bottle cap by Deep Learning, accordingly a relationship is established between the cap and the product type. Convolutional neural network is a class of deep learning techniques. VGG-16 model, which is a convolutional neural network model, has been used to recognize the product type. Except for the last layer of the fully connected layer, transfer learning has been made over the model's training with the ImageNet dataset. Classification layer, which is the last layer of the fully connected layer, has been retrained with a data set consisting of a total of 7200 images of 9 different products created for this study. In the training and validation process, a satisfactory result has been achieved by achieving 99.99% training accuracy. In addition, a prototype software has been prepared to recognize product type of the cap belonging to different product type and prevent to apply on the bottle.

Benzer Tezler

  1. Veri kalitesinde eksik veri sorunlarının derin öğrenme yöntemi ile çözülmesi: Üretici çekişmeli ağlar ile bir uygulama

    Solving missing data problems in data quality with deep learning method: An application with generative adversial networks

    ŞEVHAT DOGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İşletmeDokuz Eylül Üniversitesi

    Toplam Kalite Yönetimi Ana Bilim Dalı

    PROF. DR. OSMAN AVŞAR KURGUN

  2. Image analysis based symbol recognition in colored maps

    Renkli haritalarda görüntü analizi tabanlı sembol tanıma

    FATMANUR TURHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  3. Derin öğrenme kullanılarak araç içi görüntüden dikkatsiz sürücü tespiti

    Distracted driver detection from in vehicle image using deep learning

    SEYİT OZAN ÖZDİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SONGÜL VARLI

  4. Yapay zeka ile yemek tanıma ve özellik çıkarımı

    Food recognition and feature extraction with artificial intelligence

    EMİNE GÜL ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLHAN UMUT

  5. Data-driven delay estimation and anomaly detection: A study on European and Turkish air traffic

    Veri güdümlü gecikme tahmini ve anomali tespiti: Avrupa ve Türkiye hava trafiği üzerine bir çalışma

    MUHAMMET AKSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. EMRE KOYUNCU