Derin öğrenme ile kayısıda kükürt analizi
Sulfur analysis in apricot with deep learning
- Tez No: 826730
- Danışmanlar: DOÇ. DR. ESER SERT
- 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: Malatya Turgut Özal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Derin öğrenme ile Türkçe sağlık metinleri üzerinde olumsuz anlam tespiti
Negation detection in Turkish medical texts with deep learning
ZANA SÖĞÜT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ DİKENELLİ
- Crowd localization and counting via deep flow maps
Derin öğrenme ile çıkarılan hareket haritaları kullanılarak nesne kalabalıklarının tespiti ve sayımı
PEDRAM YOUSEFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Face presantation attack detection by deep learning
Derin öğrenme ile yüz sunum saldırı tespiti
MUHAMMED SELAMCIOĞLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET GÖKHAN ERDEM
- Classification of knee osteoarthritis severity using deep learning with fully supervised and semi-supervised-based approaches
Derin öğrenme ile tamamen denetimli ve yarı-denetimli yaklaşım tabanlı diz osteoartrit şiddetinin sınıflandırılması
İLKNUR AKTEMUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY ÖKSÜZ
- Derin öğrenme ile görsel benzerliklerin bulunması ve müşteri sepet analizi ile e-ticaret alışverişleri için ürün önerisi
Finding visual similarities with deep learning and product recommendation for e-commerce shopping with customer basket analysis
ESRA PULAT
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SELİN SONER KARA