Artificial intelligence based android assistant for colorimetric detection
Kolorimetrik tespit için yapay zeka tabanlı android asistanı
- Tez No: 812828
- Danışmanlar: DOÇ. DR. VOLKAN KILIÇ, DOÇ. DR. MUSTAFA ŞEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 142
Özet
Kolorimetrik analiz, kimyasal veya biyokimyasal analizde maddenin özelliklerinin renk değişimleri kullanılarak ölçülmesini sağlayan bir tekniktir. Gıda, ilaç, kozmetik ve boya endüstrileri gibi birçok farklı alanda biyolojik, tıbbi ve çevresel numunelerin analizinde hayati önem taşımaktadır. Kolorimetrik analiz, doğru sonuçlar elde etmek için doğru ölçüm ve kalibrasyon teknikleri gerektirir. Bu nedenle son yıllarda kimya ve biyotıpta biyolojik sensörlerin geliştirilmesinde yapay zeka ve akıllı telefon teknolojisi yaygın olarak kullanılmaktadır. Akıllı telefon kamerası kullanılarak elde edilen görüntüler, yapay zeka teknikleriyle işlenerek yüksek doğrulukta sonuçlar elde ediliyor. Bu tezde yapay zeka yaklaşımları ve akıllı telefon tabanlı yerinde kolorimetrik analizler sırasıyla hidrojen peroksit (H2O2) tespiti, terde laktat tespiti ve gıda bozulma tespiti olmak üzere üç farklı konuda ele alınmaktadır. İlk olarak, iyodür aracılı 3,3',5,5'-tetrametilbenzidin (TMB)-H2O2 reaksiyon sistemi, enzimatik olmayan kolorimetrik H2O2 belirleme için bir mikroakışkan kağıt bazlı analitik cihaza (µPAD) uygulanılmıştır. Önerilen sistem taşınabilirdir ve bir µPAD ve makine öğrenimi tabanlı bir akıllı telefon uygulaması içermektedir. Tespitteki kolorimetrik değişim, katalitik özelliklere sahip herhangi bir enzim veya nanoparçacık kullanılmadan elde edilmiştir, bu da düşük maliyetli ve kararlı bir sistemle sonuçlanmıştır. Sistemin basit ve kullanıcı dostu olması için“Hi-perox Sens”isimli görüntü yakalama, kırpma ve işleme özelliklerine sahip bir akıllı telefon uygulaması geliştirilmiştir. Kısaca, dairesel µPAD'ler tasarlanmış ve değişen konsantrasyonlarda H2O2 ile test edilmiştir. Renk değişiminden sonra yedi aydınlatma koşulunda dört akıllı telefon ile µPAD'lerin görüntüleri alınmıştır. Sistemi daha sağlam ve aydınlatma varyasyonlarına ve kamera optiklerine uyarlanabilir hale getirmek için görüntüler önce özellik çıkarımı için işlendi ve ardından makine öğrenimi sınıflandırıcılarını eğitmek için kullanılmıştır. TMB+KI'ye göre aydınlatma altında t=30 s'de telefonlar arası tekrarlanabilirlik ile en yüksek sınıflandırma doğruluğunu (%97,8) göstermiş ve doğruluğunu 10 dakika korumuştur. İkinci olarak, bir µPAD,“DeepLactate”adlı derin öğrenme tabanlı bir akıllı telefon uygulamasıyla birleştirilmekte ve ardından terdeki laktat konsantrasyonunun kantitatif ve seçici olarak belirlenmesi için uygulanmıştır. Farklı aydınlatma koşullarında çeşitli markaların akıllı telefonlarıyla çekilen µPAD'lerin görüntüleri, sistemi daha sağlam ve aydınlatma değişikliklerine uyarlanabilir hale getirmek için derin öğrenme modellerini eğitmek için kullanıldı. En yüksek performanslı model olan Inception-v3, daha sonra bir akıllı telefon uygulamasına yerleştirildi ve uzman olmayan kullanıcılar için kullanımı kolaylaştırdı. Makine öğrenimi sınıflandırıcılarından farklı olarak, derin öğrenme modelleri özellikleri otomatik olarak çıkarabilir ve bir akıllı telefon uygulamasına gömülü olarak internet erişimi olmadan analiz yapılmasına olanak tanımaktadır. Elde edilen sonuçlara göre, mevcut sistem telefondan bağımsız tekrarlanabilirlik ve 1 saniyeden kısa işlem süresi ile %99.9 sınıflandırma doğruluğu göstermiştir. Son olarak, iki gönüllüde dinlenme ve 15 dakikalık koşu sonrasında ter laktat düzeylerini belirlemek için µPAD bir yamaya dönüştürülmektedir. Sistem insan terinde laktat tespit etti ve koşu sonrasında terdeki laktat seviyesinin arttığını doğruladı. Üçüncüsü, gıda zehirlenmesini önlemek için gerçek zamanlı ve yerinde gıda bozulma izlemesi hala zordur. Gıda bozulmalarının başında mikrobiyal ve enzimatik faaliyetler uçucu aminlerin oluşumuna yol açmaktadır. Bu aminlerin geleneksel yöntemlerle izlenmesi, karmaşık, maliyetli, emek yoğun ve zaman alıcı analizler gerektirir. Antosiyanin açısından zengin kırmızı lahana özü tabanlı bir kolorimetrik algılama sistemi, gerçek zamanlı gıda bozulma izlemesi için bir akıllı telefon uygulamasına gömülü makine öğrenimi dahil edilerek geliştirilmiştir. FG-UV-CD100 filmleri ilk olarak ARCE katkılı balık jelatininin karbon noktalarla UV ışığı altında çapraz bağlanmasıyla üretildi. FG-UV-CD100 filmlerinin amonyak buharına verdiği kolorimetrik tepkiler, çeşitli markaların akıllı telefonlarıyla farklı ışık kaynaklarında yakalanmaktadır. Sağlam ve çevre koşullarına %98.8 sınıflandırma doğruluğu ile uyarlanabilen makine öğrenimi sınıflandırıcılarını eğitmek için kapsamlı bir veri seti oluşturuldu. Bu arada, makine öğrenimi sınıflandırıcısı, özel olarak tasarlanmış Android uygulamamız“SmartFood++”ile entegre edilerek, internet üzerinden bulut işletimi kullanan benzerinden farklı olarak, internet erişimi olmadan yaklaşık 0,1 saniyede analiz yapılmasına olanak sağlamaktadır. Önerilen sistem aynı zamanda gerçek bir balık numunesi üzerinde %99.6 doğrulukla test edildi ve uzman olmayan personel tarafından gıda bozulmalarının yerinde, gerçek zamanlı izlenmesi için güçlü bir araç olarak büyük avantajını göstermektedir.
Özet (Çeviri)
A colorimetric analysis is a technique that measures the properties of the substance using color changes in chemical or biochemical analysis. It is vital in analysing biological, medical, and environmental samples in many fields, such as the food, medicine, cosmetics, and paint industries. Colorimetric analysis requires correct measurement and calibration techniques to obtain accurate results. Therefore, artificial intelligence (AI) and smartphone technology have been widely used in developing biological sensors in chemistry and biomedicine in recent years. Images obtained using a smartphone camera are processed with AI techniques, resulting in highly accurate results. This thesis discusses AI approaches and smartphone-based on-site colorimetric analyses in three different subjects: hydrogen peroxide (H2O2) detection, lactate detection in sweat, and food spoilage detection, respectively. First, the iodide-mediated 3,3',5,5'-tetramethylbenzidine (TMB)-H2O2 reaction system was applied to a microfluidic paper-based analytical device (µPAD) for the non-enzymatic colorimetric determination of H2O2. The proposed system is portable and includes a µPAD and a machine learning (ML)-based smartphone app. The colorimetric change in detection was achieved without using any enzymes or nanoparticles with catalytic properties, resulting in a low-cost and stable system. A smartphone application named“Hi-perox Sens”with image capture, cropping, and processing features has been developed to make the system simple and user-friendly. Briefly, circular µPADs were designed and tested with varying concentrations of H2O2. After the color change, images of the µPADs were taken with four smartphones under seven lighting conditions. To make the system more robust and adaptable to lighting variations and camera optics, images were first processed for feature extraction and then used to train ML classifiers. According to TMB+KI, it showed the highest classification accuracy (97.8%) with inter-phone reproducibility at t=30 s under illumination and maintained its accuracy for 10 minutes. Second, a µPAD was combined with a deep learning (DL) based smartphone app called“DeepLactate”and then applied for quantitative and selective determination of lactate concentration in sweat. Images of µPADs taken with smartphones of various brands in different lighting conditions were used to train DL models to make the system more robust and adaptable to lighting changes. The highest-performing model, Inception-v3, was later built into a smartphone app, making it easy to use for non-expert users. Unlike ML classifiers, DL models can automatically extract features and are embedded in a smartphone app, allowing analysis without internet access. According to the results, the current system showed 99.9% classification accuracy with phone-independent repeatability and less than 1 second processing time. Finally, µPAD was converted into a patch to determine sweat lactate levels in two volunteers after rest and 15 minutes of jogging. The system detected lactate in human sweat and confirmed that the lactate level in sweat increased after running. Third, real-time and on-site food spoilage monitoring is still challenging to prevent food poisoning. At the beginning of food spoilage, microbial and enzymatic activities lead to the formation of volatile amines. Monitoring these amines by conventional methods requires complex, costly, labor-intensive, and time-consuming analyses. An anthocyanin-rich red cabbage extract (ARCE)-based colorimetric detection system was developed by incorporating embedded ML into a smartphone app for real-time food spoilage monitoring. FG-UV-CD100 films were first produced by crosslinking ARCE-doped fish gelatin (FG) with carbon dots (CDs) under UV light. The colorimetric responses of FG-UV-CD100 films to ammonia vapor were captured in different light sources with smartphones of various brands. A comprehensive dataset was created to train ML classifiers that are robust and adaptable to environmental conditions with 98.8% classification accuracy. Meanwhile, the ML classifier was integrated into our specially designed Android application“SmartFood++”, allowing analysis in about 0.1 seconds without internet access, unlike its counterpart using cloud operation over the internet. The proposed system was also tested on a real fish sample with 99.6% accuracy, demonstrating its great advantage as a powerful tool for on-site, real-time monitoring of food spoilage by non-specialized personnel.
Benzer Tezler
- Doğal dil işleme teknikleri kullanılarak türkçe mobil asistan yazılımı geliştirilmesi
Development of a turkish mobile assistant software using natural language processing techniques
GÖKHAN ÇELİKKAYA
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. GÜLŞEN ERYİĞİT
- Sosyal medya kullanıcı sözleşmelerinin gözetim, mahremiyet ve veri güvenliği açısından incelenmesi
Examining social media privacy policies in terms of surveillance, privacy and data security
YAKUP TOKTAY
Doktora
Türkçe
2023
Radyo-Televizyonİstanbul ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
PROF. DR. CEYHAN KANDEMİR
- Yapay zeka tabanlı tarihi yapıları tespit eden android uygulama
Determining artificial intelligence based historical buildings android app
RIDVAN ÖZCAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL TOPKAPI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARİF YELĞİ
- Yeni nesil gezgin haberleşme teknolojileri için yapay zeka tabanlı dikey el değiştirme yöntemi ve uygulaması
Artificial intelligence based vertical handoff method and application for new generation mobile communication technologies
ALİ ÇALHAN
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. CELAL ÇEKEN
- Yapay zekâya dayalı görü teknikleri kullanılarak elma ağacı rekolte tahmini
Apple tree yield prediction using artificial intelligence based vision techniques
ŞULE ATAÇ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKaramanoğlu Mehmetbey ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET KAYABAŞI