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: Kükürtlenmiş kayısı, Kayısı analizi, Derin öğrenme, Kükürt analizi, AlexNet, DarkNet53, DenseNet201, MobileNetV2, ResNet50, Sulfurized apricot, Apricot analysis, Deep learning, Sulfur analysis, AlexNet, DarkNet53, DenseNet201, MobileNetV2, ResNet50
- 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: Belirtilmemiş.
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.
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.
Benzer Tezler
- Kayısı yapraklarının evrişimsel sinir ağları kullanılarak sınıflandırılması
Classification of apricot leafs via convolutional neural network
BERNA ARI
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Derin öğrenme ile rakam öğretme
Number teach with deep learning
ALİ KAYA
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EDİZ ŞAYKOL
- Derin öğrenme ile yüz tanıma
Face recognition with deep learning
FATIMA ZEHRA ÜNAL
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET SERDAR GÜZEL