Derin transfer öğrenme yaklaşımları ile aflatoksinli kuru incirlerin tahribatsız gerçek zamanlı tespiti
Non-invasive real-time detection of aflatoxin contaminated dried figs with deep transfer learning approaches
- Tez No: 789853
- Danışmanlar: DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Aflatoksinler, Derin öğrenme, Evrişimli sinir ağları, Gıda güvenliği, Makine öğrenmesi, Aflatoxins, Deep learning, Convolutional neural networks, Food safety, Machine learning
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Aflatoksinler, Aspergillus mantar türlerinin ürettiği en tehlikeli mikotoksindir ve insanlarda karaciğer kanseri de dahil olmak üzere çeşitli sağlık sorunlarına neden olabilir. İncir ve birçok tarım ürünü aflatoksinlerden etkilenir. Aflatoksini kontamine gıdalardan temizlemek mümkün olmadığından tüketimden önce tespit edilmesi çok önemlidir. Kromatografik yöntemler, aflatoksin tespiti için altın standart olarak kabul edilir, ancak bu yöntemler oldukça pahalı, zaman alıcı ve ürünün parçalanmasını gerektirir. Bu nedenle aflatoksin tespiti için spektroskopik yöntemler kullanılarak oluşturulan bilgisayarlı görü tabanlı sistemlerle yapılmaya başlanmıştır. Tez çalışması iki aşamalı olarak gerçekleştirilmiştir. Birinci aşamada Ege Bölgesi'ndeki incir üretim tesislerinden temin edilen kuru incir numuneleri kullanılarak, farklı dalga boyundaki ışık kaynakları altında elde edilen incir görüntülerinden dengeli ve özgün veri setleri oluşturulmuştur. İkinci aşamada ise, bilgisayarlı görü tabanlı bir sistem oluşturularak hızlı, tahribatsız ve etkili aflatoksin tespit sistemi oluşturma çalışmaları yapılmış ve bu amaçla iki farklı yöntem önerilmiştir. İlk yöntem, incir üretim tesislerinde halihazırda kullanılmakta olan Parlak Yeşilimsi Sarı Floresans (BGYF) kontrolünü otomatik olarak yapabilecek bir sistemin geliştirilmesine yöneliktir. Derin transfer öğrenmede model uyarlama yaklaşımı ile DenseNet169 modeli kullanılarak %97,50 doğruluk elde edilmiştir. Önerilen ikinci yöntemde ise, farklı dalga boylarındaki ışık kaynakları ile çekilmiş incir görüntüleri ile oluşturulan veri setleri üzerinde transfer öğrenme modelleriyle elde edilen öznitelik vektörleri kullanılarak sınıflandırma çalışmaları yapılmaktadır. 365nm ışık kaynağı altında alınan görüntülerde MobileNetV2, ResNet101V2 ve InceptionResNetV2 modelleri kullanılarak çıkarılan öznitelik vektörlerinin SVM ile sınıflandırılması sonucunda kontamine incirler %100, kontamine olmayan incirler ise %92,3 doğrulukla tespit edilmektedir. Yapılan çalışmalar, transfer öğrenme yaklaşımlarının aflatoksinle kontamine olmuş incirleri otomatik, hızlı ve etkili bir şekilde tespit etmek için kullanılabileceğini göstermektedir.
Özet (Çeviri)
Aflatoxins are the most dangerous mycotoxin produced by Aspergillus fungal species and can cause various health problems, including liver cancer, in humans. Figs and many agricultural products are affected by aflatoxins. It is crucial to detect it before consumption since it is impossible to clean aflatoxin from contaminated foods. Chromatographic methods are considered the gold standard for aflatoxin detection, but these methods are pretty expensive, time-consuming, and destructive. Therefore, aflatoxin detection started with computer vision-based systems created using spectroscopic methods. The thesis study was carried out in two stages. In the first stage, balanced and original data sets were created from the fig images obtained under light sources of different wavelengths by using dried fig samples obtained from the fig production facilities in the Aegean Region. In the second stage, studies were carried out to create a fast, non-invasive and successful aflatoxin detection system with a computer vision-based system, and for this purpose, two different methods have been proposed. The first proposed method is to develop a system that automatically detects the Bright Greenish Yellow Fluorescent (BGYF) control currently used in fig production facilities. With the fine-tuning approach in deep transfer learning, an accuracy of 97.50% is obtained using the DenseNet169 model. In the second proposed method, classification studies are carried out using feature vectors obtained by transfer learning models on the data sets created with fig images taken with light sources of different wavelengths. Contaminated figs are detected with 100% accuracy and uncontaminated figs with 92.3% accuracy due to the classification with SVM of the feature vectors extracted using the MobileNetV2, ResNet101V2, and InceptionResNetV2 models in the images taken under a 365 nm light source. This study shows that transfer learning approaches can automatically, rapidly, and effectively detect aflatoxin-contaminated figs.
Benzer Tezler
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ