Atıkların derin öğrenme tabanlı sınıflandırılması
Deep learning based classification of wastes
- Tez No: 780096
- Danışmanlar: DR. ÖĞR. ÜYESİ SÜLEYMAN UZUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Nüfusun, üretimin ve tüketimin artması, sanayileşme ve daha çok makineleşmeye doğru evrilen gelişmeler ile çevre kirliliği devamlı bir sorun haline gelmiştir. Kâğıt ve plastik de kolay ortaya çıkan, doğada uzun süre kaybolmayan ve oldukça yaygın olarak kullanılan atıklardır. Dünyada her yıl iki milyar tondan fazla çöp üretilmektedir. Bu atıkların sebep olduğu çevre kirliliği gerek ülkemizde gerekse dünyada insanların üstesinden gelmesi gereken önemli bir sorun olarak ortaya çıkmaktadır. Çevre kirliliğinin önüne geçmek ve geri dönüştürülebilir atıkların geri dönüşüme kazandırılması için kâğıt ve plastik atıklarının tespit edilerek toplanması oldukça fayda sağlayacaktır. Bu sorunun üstesinden gelmek amacıyla pek çok çalışma yapılmaktadır. Özellikle Yapay zekâ alanındaki gelişmelere bağlı olarak çevre kirliliğinin önüne geçmek amacıyla yapılan çalışmalar hız kazanmıştır. Çöplerin toplanması ve toplanan çöplerin geri dönüşüme kazandırılacak olanların otomatik ayrıştırılması hem atıkların ekonomiye kazandırılması hem de doğanın kirletilmesinin önüne geçilmesi açısından oldukça önemli hale gelmiştir. Derin öğrenme ile atıklar kâğıt, plastik, cam, vs. şeklinde farklı kategorilere ayırılabilmektedir. Bu çalışmada doğada en çok olan çöplerden kâğıt bardak, pet şişe ve çöp görüntülerinden oluşan fotoğraflar bir araya getirilerek bir veri seti hazırlandı. Görüntüler cadde, sokak, kaldırım kenarı gibi farklı lokasyonlardan oluşan ortamlardan objelerin farklı açılardan fotoğrafları çekilerek çalışma için özel olarak oluşturulmuştur. Bu görüntüler derin öğrenme tekniklerinden transfer öğrenme yöntemleri ve bir derin öğrenme algoritması olan YoloV3 ile sınıflandırılarak başarımları elde edilmiştir. Transfer öğrenme tekniklerinden olan SqueezeNet, VGG-19, GoogleNet yüksek başarımlar elde etmiştir. Ancak en yüksek başarım SqueezeNet ile elde edilmiştir. Kullanılan ağlar önce özel olarak hazırlanan veri seti ve global Trashnet veri seti ile eğitilip test edilerek sonuçlar karşılaştırılmıştır. Çalışma sonucunda kâğıt bardak ve pet şişe çöplerinin toplanmasında ve bu atıkların ayrıştırılmasında kullanılabilecek otonom çöp toplama araçları ve tasarlanan robotlar için eğitilmiş bir ağ modeli ve bir veri seti önerilmektedir.
Özet (Çeviri)
The increase in population, production and consumption, and the evolution towards industrialization and more mechanization have made environmental pollution a continuous problem. Paper and plastic are easily produced, do not disappear in nature for a long time and are widely used waste. More than two billion tons of waste are produced annually in the world. This waste pollution has become an important problem that needs to be overcome both in our country and in the world. Collecting paper and plastic waste by identifying them would be very beneficial in preventing environmental pollution. Many studies are being carried out to overcome this problem. In particular, studies to prevent environmental pollution, which have gained momentum due to the developments in artificial intelligence, have become very important in terms of both economic recycling of waste and preventing the pollution of nature. With deep learning, waste can be divided into different categories such as paper, plastic, glass, etc. In this study, photographs consisting of paper cups, pet bottles and garbage images, which are the most common waste in nature, were collected and a data set was prepared. The images were specially created for the study by taking photographs of objects from different angles in environments such as streets, and sidewalks. These images were classified using transfer learning techniques and a deep learning algorithm called YoloV3, and their performances were obtained. High performances were obtained with SqueezeNet, VGG-19, GoogleNet using transfer learning techniques. The highest performance from these techniques was obtained with SqueezeNet. The networks were first trained and tested on the specially prepared data set and then on the global Trashnet data set. As a result of the evaluations made, it was determined that the YoloV3 algorithm and the SqueezeNet network were successful in detecting and classifying the waste in the images. As a result, it can be said that the developed system can be used effectively in the automatic sorting of waste in recycling plants.
Benzer Tezler
- Geri dönüştürülebilir katı atıkların yapay zeka tabanlı tanınma ve sınıflandırılması
Artificial intelligence-based recognition and classification of recyclable solid waste
YUSUF ERYEŞİL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Yazılım tanımlı ağlarda trafik mühendisliği için derin öğrenme tabanlı yaklaşım geliştirme
Developing a deep learning based approach for traffic engineering in software defined networks
SUDAD ABDULRAZZAQ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ
- Machine learning approaches for internet of things based vehicle type classification and network anomaly detection
Nesnelerin interneti tabanlı araç tipi sınıflandırma ve ağ anomalisi tespiti için makine öğrenmesi yaklaşımları
BURAK KOLUKISA
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VEHBİ ÇAĞRI GÜNGÖR
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ