Geri dönüştürülebilir katı atıkların yapay zeka tabanlı tanınma ve sınıflandırılması
Artificial intelligence-based recognition and classification of recyclable solid waste
- Tez No: 822068
- Danışmanlar: PROF. DR. ŞAKİR TAŞDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Dünyanın küreselleşmesi ve ekonomik büyüme; tüketimde ve atık üretiminde artışa yol açmıştır. Evsel atıkların önemli bir kısmı; özellikle plastik, elektronik ve piller gibi biyolojik olarak parçalanamayan tehlikeli maddeler içeren atıklar çevre dostu bir şekilde yok edilememektedir. Özellikle gelişmekte olan ülkelerde yetersiz atık yönetimi altyapısı, kontrolsüz depolama ve atık yakma gibi güvenli olmayan yok etme uygulamaları, çevresel ve sağlık açısından zararlı sonuçlara sebep olmaktadır. Verimli atık yönetim uygulamalarında, katı atığın uygun şekilde sınıflandırılması kaynakların geri kazanılmasını teşvik etmede ve çevresel etkiyi en aza indirmede önemli rol oynamaktadır. Bu tez çalışmasında, katı atıkların sınıflandırılması için yapay zekâ yöntemlerinden özellikle geleneksel makine öğrenimi modelleri (DVM ve Karar Ağacı) ve derin öğrenme modellerinin (InceptionResnet, EfficientNet ve MobileNet) geliştirilmesi amaçlanmıştır. Atık sınıflandırma çalışmasında, derin öğrenme modelleri; InceptionResnet, EfficientNet ve MobileNet sırasıyla %92.49, %94.47 ve %91.30'luk doğruluk oranlarına ulaşarak atık sınıflandırmasında iyi bir performans göstermiştir. Buna karşılık, makine öğrenimi modelleri, DVM ve Karar Ağacı sırasıyla %62.31 ve %43.38 gibi daha düşük doğruluk oranlarına ulaşarak, atık sınıflandırmasında geleneksel makine öğrenimi yaklaşımlarının sınırlamalarını vurgulamaktadır. Geliştirilen derin öğrenme modelleri yapay zekâ kitine entegre edilmiştir. Geliştirilmiş olan modellerin Jetson yapay zekâ kiti üzerinde kullanılması, gerçek zamanlı atık sınıflandırmasının uygulanabilirliğini göstermektedir. Bu nedenle, bu çalışma, kullanılan metodolojinin katı atıkları sınıflandırmada derin öğrenme modellerinin makine öğrenme modellerine göre daha başarılı olduğunu göstermektedir. Bulgular, özellikle EfficientNet modelinin doğru atık sınıflandırması için önemli bir potansiyele sahip olduğunu göstermiştir. Gelecekteki çalışmalar, sınıflandırma performansını daha da geliştirmek için özellikle derin öğrenme uygulamalarında önemli olan veri kümesi genişletilebilir. Bunun yanı sıra daha az ağ karmaşıklığına sahip hızlı ve doğru karar verebilen algoritmalar geliştirmeye odaklanılabilir.
Özet (Çeviri)
Globalization of the world and economic growth; has led to an increase in consumption and waste production. An important part of household waste; especially wastes containing non-biodegradable hazardous materials such as plastics, electronics and batteries cannot be disposed of in an environmentally friendly manner. Especially in developing countries, unsafe disposal practices such as inadequate waste management infrastructure, uncontrolled landfilling and waste incineration cause harmful environmental and health consequences. In efficient waste management practices, proper classification of solid waste plays an important role in promoting resource recovery and minimizing environmental impact. In this thesis, it is aimed to develop artificial intelligence methods, especially traditional machine learning models (DVM and Decision Tree) and deep learning models (InceptionResnet, EfficientNet and MobileNet) for the classification of solid waste. In waste classification study, deep learning models; InceptionResnet, EfficientNet and MobileNet performed well in waste classification, achieving accuracy rates of 92.49%, 94.47% and 91.30%, respectively. In contrast, machine learning models, SVM and Decision Tree achieve lower accuracy rates of 62.31% and 43.38%, respectively, highlighting the limitations of traditional machine learning approaches to waste classification. The developed deep learning models are integrated into the artificial intelligence kit. The use of the developed models on the Jetson artificial intelligence kit demonstrates the feasibility of real-time waste classification. Therefore, this study shows that deep learning models are more successful than machine learning models in classifying solid wastes of the methodology used. The findings, in particular, showed that the EfficientNet model has significant potential for accurate waste classification. Future work can expand the dataset to further improve classification performance, which is especially important in deep learning applications. In addition, it can be focused on developing algorithms that can make fast and accurate decisions with less network complexity.
Benzer Tezler
- Ecotoxicity evaluation of slag from spent battery recycling: Reduction of lead by stabilization/solidification
Hurda akü geri dönüşüm prosesinde oluşan cürufun ekotoksikolojik değerlendirmesi: Stabilizasyon/solidifikasyon yöntemiyle kurşun azaltımı
VESİLE ÖZLEM ERKAN
Yüksek Lisans
İngilizce
2012
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN TALINLI
- PyCASPESA: A new method for crystal structure prediction
PyCASPESA: Krı̇stal yapı tahmı̇nı̇ ı̇çı̇n yenı̇ bı̇r yöntem
GÖZDE İNİŞ
Yüksek Lisans
İngilizce
2017
Kimyaİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. ADEM TEKİN
- A multi-objective mathematical model for the operations planning of a reverse logistics facility and an application
Tersine lojistik tesisinin operasyon planlamasına ilişkin çok amaçlı bir matematiksel model ve bir uygulama
EMİNE NİSA CAN
Yüksek Lisans
İngilizce
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞULE ITIR SATOĞLU
- Geri dönüştürülebilir katı atıkların yönetimi ve rota optimizasyonu: Konya ili Meram ilçesi örneği
Recyclable solid waste management and route optimization: A case study of Meram district, Konya
KADİR KOÇ
Yüksek Lisans
Türkçe
2015
Çevre MühendisliğiSelçuk ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEZEN KÜÇÜKÇONGAR
- Kentsel katı atıkların toplanması, ayrıştırılması ve geri dönüşümüne atık toplayıcılarının çevresel ve ekonomik etkisinin araştırılması
Researching the environmental and economic impact of waste collectors on the collection, separation and recycling of urban solid waste
EMİNE SULTAN SANRI
Yüksek Lisans
Türkçe
2022
Çevre MühendisliğiMersin ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUTLU YALVAÇ
PROF. DR. ERKAN AKTAŞ