Barkodsuz ürünlerin tanınmasında derin öğrenmeye dayalı yaklaşımların uygulanması
The implementation of deep learning based approaches in the identification of barcod-free products
- Tez No: 784111
- Danışmanlar: DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN
- 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: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 72
Özet
Derin öğrenme ağları günümüzde farklı disiplinlerde uygulanan ileri düzey makine öğrenimi yaklaşımları olarak tanımlanabilir. Görüntülerin analizinde, derin öğrenme ağlarıyla sektörel çözümler için çalışmalar yapılmıştır. Farklı teknolojik yaklaşımlara sahip sistemler geliştirilmiş ve pratik alanda uygulanmaya başlanmıştır. Mevcut çalışmalar ürünler bazında incelendiğinde nesne sınıflarının sınırlı olduğu çalışmalardır. Çalışmaların kapsamı, tek ürün çeşidi bazında ilgili ürünün kendi içerisinde kalite, büyüklük gibi nitel ve nicel sınıf çıktıları üzerinden sınıflandırılması açısından kısıtlıdır. Tez çalışmasında, çalışmaya özel olarak hazırlanmış, kuruyemiş, bakliyat ve şekerleme ürünlerine ait alt başlıkları içeren 30 sınıftan oluşan MAKBUL veri kümesi üzerinde çoklu model içeren kollektif öğrenme kapsamında gerçekleştirilen hibrit bir sınıflandırma yaklaşımı önerilmiştir. Bu kapsamda ilk olarak, literatürde tanımlanan farklı derin öğrenme ağlarının, perakende sektöründe önemli bir aşama olan kasada barkodsuz ürün tanıma ve ürünün otonom ücretlendirilmesi aşamasında kullanımı için sınıflandırma performansları değerlendirilmiştir. Sunulan çalışmada, farklı derin öğrenme ağlarının sınıflandırma sonuçlarına ek olarak, bu mimariler sadece özellik çıkarımı amacı ile de uygulanmıştır. Bu aşamada, çıkarılan tüm öznitelikler, önerilen özellik seviyesinde füzyon yaklaşımıyla birleştirilerek yeni öznitelik matrisi ortaya çıkarılmıştır. Bu yaklaşımın uygulanabilirliği Çalışma 1 başlığı altında gösterilmiştir. Önceden eğitilen her bir ağ mimarisinden elde edilen özel bireysel öznitelikler ve bireysel özniteliklerin birleşimi olarak belirtilen öznitelik füzyon matrisi, destek vektör makineleri kullanılarak tekrar sınıflandırılmış ve performans çıktıları elde edilmiştir. Çalışma 2 kapsamında, derin öğrenme ağ mimarilerin, farklı hiper parametre seçimleriyle oluşturulan deney sonuçlarına bakıldığında en iyi performansın DenseNet201 ile %96'lık doğruluk değeri olarak ölçüldüğü görülmüştür. Çalışmada kullanılan her bir ağdan çıkarılan özel bireysel özniteliklerin, ayrı şekilde SVM sınıflandırıcısını beslemesi sonucunda, en yüksek doğruluk değerinin %96,07 olarak EfficientNetB3 ile elde edildiği görülmüştür. Özellik düzeyinde füzyon yaklaşımıyla elde edilen SVM sınıflandırma sonuçları, önerilen yaklaşımın başarıyı %96,56'lik doğruluk değerine çıkardığını göstermiştir. Elde edilen sonuçlar, perakende sektöründeki barkod içermeyen ve poşete doldurma usulü ile satışı yapılan ürünlerin sınıflandırılarak, ödeme süreçlerini otonom hale getirecek sistemin günlük hayatta kullanılabilirliğini göstermektedir.
Özet (Çeviri)
Deep learning networks can be defined as advanced machine learning approaches applied in different disciplines today. In the analysis of images, studies were carried out for sectoral solutions with deep learning networks. Systems with different technological approaches have been developed and started to be applied in the practical field. When the existing studies are examined based on products, they are studies in which object classes are limited. The scope of the studies is limited in terms of classifying the related product based on a single product type, based on qualitative and quantitative class outputs such as quality and size. In the thesis study, a hybrid classification approach is proposed, which is carried out within the scope of collective learning with multiple models on the MAKBUL dataset, which consists of 30 classes containing sub-titles of nuts, legumes, and confectionery products specially prepared for the study. In this context, firstly, the classification performances of different deep learning networks defined in the literature were evaluated for the use of barcode-free product recognition at the checkout and autonomous pricing of the product, which is an important stage in the retail sector. In the present study, in addition to the classification results of different deep learning networks, these architectures are also applied for the purpose of feature extraction only. At this stage, a new feature matrix is created by combining all extracted features with the proposed feature-level fusion approach. The applicability of this approach is demonstrated in Study 1. Special individual features obtained from each pre-trained network architecture and the feature fusion matrix, specified as a combination of individual features, are reclassified using support vector machines, and performance outputs are obtained. In the study 2, when the experimental results of different deep learning network architectures were examined with different hyperparameter selections, it was seen that the best performance was measured with DenseNet201 with an accuracy value of 96%. As a result of the special individual features extracted from each network used in the study, feeding the SVM classifier separately, it was seen that the highest accuracy value was obtained with EfficientNetB3 as 96.07%. The SVM classification results obtained with the feature-level fusion approach showed that the proposed approach increased the success to 96.56% accuracy. The results show the usability of the system in daily life, which will make the payment processes autonomous by classifying the products that do not contain barcodes in the retail sector and are sold with the bag-filling method.
Benzer Tezler
- Türkiye'de yayılış gösteren Bolboschoenus palla cinsine ait türlerin filogenetik analizi ve DNA barkodlaması
Phylogenetic analysis and DNA barcoding of species of the genus Bolboschoenus palla distributing in Turkey
HİLAL NUR VURAL
Yüksek Lisans
Türkçe
2022
GenetikErciyes ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. CEM VURAL
DR. ÖĞR. ÜYESİ HANDAN ŞAPCI SELAMOĞLU
- Vagal nerve stimulator için ekonomik değerlendirme analizi
Economic analysis for vagal nerve stimulator
İRFAN TUNCAY ALKAN
Yüksek Lisans
Türkçe
2012
Sağlık Kurumları YönetimiBaşkent ÜniversitesiSağlık Kurumları İşletmeciliği Ana Bilim Dalı
DOÇ. DR. SİMTEN MALHAN
- Design and application of a mechatronic barcoding system for an injector error proof system
Enjektör hata önleme sistemi için mekatronik bir barkodlama sistemi tasarımı ve uygulaması
MELİKE İREM KODAL
Yüksek Lisans
İngilizce
2016
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUGAN
- Development of decision support algorithms on RFID systems of stores
Mağaza RFID sistemlerde karar destek algoritmalarının geliştirilmesi
BORAN TAYLAN BALCI
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP ALP KUT
- Çamaşır kurutma makinelerinde oluşan mekanik kayıpların incelenmesi ve yataklama sistemi optimizasyonu
Investigation of mechanical losses in laundry drying machines and optimization of bearing system
ADEM KAYTAZ
Yüksek Lisans
Türkçe
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP PARLAR