Geri Dön

Derin öğrenme ile kayısıda kükürt analizi

Sulfur analysis in apricot with deep learning

  1. Tez No: 826730
  2. Yazar: ERTUĞRUL DOĞANŞAHİN
  3. Danışmanlar: DOÇ. DR. ESER SERT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Malatya Turgut Özal Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Kuru kayısının uzun süre bozulmadan muhafaza edilebilmesi için kükürtleme işlemi önemlidir. Ancak, kükürtleme işlemi belirli ppm miktarlarını aşarsa, kuru kayısı ihracatı yapılamamaktadır. Bu nedenle, kayısıda kükürt analizi yapılması zorunludur. Kükürt analizi genellikle kayısı araştırma merkezlerinde, üniversitelerde ve Malatya kayısı borsasında belirli bir ücret karşılığında gerçekleştirilmektedir. Bu kimyasal analiz süreci kayısı talep edenler için zaman kaybına neden olmaktadır. Kayısıda kükürt analizi sürecinde çok fazla su tüketilmekte ve bu durum su israfına sebep olmaktadır. Kimyagerlerin görev alma zorunluluğu hem nitelikli insan gücü hem de maliyet gerektirmektedir. Bu tez çalışmasında, derin öğrenme ve görüntü işleme teknikleri kullanılarak bu zorlu kayısı kükürt analizinin otomatik hale getirilip, sürecin kısaltılması, maliyetin azaltılması, su israfı ve kimyasal kullanılmasının ortadan kaldırılması amaçlanmıştır. Bu sayede, geleneksel kükürt analiz sürecinde yaşanan zaman kaybı ve işgücü ihtiyacı minimum seviyeye indirilmektedir. Ayrıca, su israfı ve kimyasal kullanımı da olmadığından çevreye verilen zararda ortadan kaldırılmıştır. Bu otomatik analiz yöntemi, kayısı ihracatçıları ve diğer ilgili taraflar için önemli bir avantaj sağlamaktadır. ANAHTAR KELİMELER: Kükürtlenmiş kayısı, Kayısı analizi, Derin öğrenme, Kükürt analizi, AlexNet, DarkNet53, DenseNet201, MobileNetV2, ResNet50

Özet (Çeviri)

The sulfurization process is important for the long-term preservation of dried apricots. However, if the sulfurization process exceeds certain ppm amounts, dried apricots cannot be exported. Therefore, sulfur analysis of apricots is mandatory. Sulfur analysis is usually carried out at apricot research centers, universities and Malatya apricot exchange for a certain fee. This chemical analysis process causes a waste of time for apricot demanders. In the process of sulfur analysis in apricot, a lot of water is consumed and this causes water waste. The necessity to employ chemists requires both qualified manpower and cost. In this thesis, it is aimed to automate this challenging apricot sulfur analysis by using deep learning and image processing techniques, shortening the process, reducing the cost, eliminating water waste and chemical use. In this way, the time loss and labor requirement experienced in the traditional sulfur analysis process are minimized. In addition, since there is no waste of water and chemical use, environmental damage is also eliminated. This automated analysis method provides a significant advantage for apricot exporters and other interested parties. KEYWORDS: Sulfurized apricot, Apricot analysis, Deep learning, Sulfur analysis, AlexNet, DarkNet53, DenseNet201, MobileNetV2, ResNet50

Benzer Tezler

  1. Derin öğrenme ile süper çözünürlüklü radar görüntüleme

    Super resolution radar imaging with deep learning

    İREM FADİME ERİM

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  2. Detection of plant leaf diseases via deep learning

    Başlık çevirisi yok

    YOUSIF NAJI HAMAD HAMAD

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN KOYUNCU

  3. Derin öğrenme ile nesne algılamada transfer öğrenme ve ince ayar işlemlerinin etkinliklerinin araştırılması

    Studying effectiveness of transfer learning and fine tuning processes in object detection with deep learning

    MEHMET UĞUR TÜRKDAMAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CELAL ÖZTÜRK

  4. Derin öğrenme ile nokta bulutu üzerinden bina çatı tiplerinin sınıflandırılması

    Classification of building roof types through point cloud with deep learning

    MERVE YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Jeodezi ve FotogrametriKaradeniz Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. FEVZİ KARSLI

  5. Derin öğrenme ile optik koherens tomografi görüntülerinden retinal bozukluk tanısı

    Retinal disorder diagnosis from optical coherence tomography images with deep learning

    GÜLSÜM ARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve Teknolojiİstanbul Üniversitesi-Cerrahpaşa

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDURRAHİM AKGÜNDOĞDU