Gıda üretim sektöründe istenmeyen nesne, canlı ve durumların makine öğrenmesi yöntemleri ile tespiti
Detection of unwanted objects, alives and situations in the food production sector by machine learning methods
- Tez No: 855880
- Danışmanlar: DOÇ. DR. SEDA ARSLAN TUNCER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 68
Özet
Türkiye'nin nüfus artış hızına bağlı olarak, gıda üretim ve dağıtım sektöründe hızla bir gelişme görülmektedir. Nüfus değişiklikleri, gıda üretimini gerçekleştiren şirketlerin hem sayısını hem de üretim kapasitelerini artırmalarına neden olmuştur. Bu kapasite artışı, daha fazla insanın istihdam edilmesine yol açmıştır. Ancak, gıda üretim alanlarındaki istenmeyen durumların denetimleri bu hızlı büyümeyle başa çıkmakta zorlanmaktadır. Gıda üretim alanlarındaki bu denetimler genellikle manuel olarak gerçekleştirilmekte veya hiç yapılmamaktadır, bu da insan sağlığını tehdit etmektedir. Yapay zekâ tabanlı sistemler, teknolojinin gelişmesiyle birlikte bu sorunu daha etkili bir şekilde çözmeye başlamıştır. Bu tez çalışması ile gıda üretim ve dağıtım sektöründe kullanılmak üzere bir nesne tespit sisteminin geliştirilmesi amaçlanmıştır. Geliştirilen sistem, kamera görüntüleri üzerinden personelin eldiven, maske ve bone ekipmanlarını giyip giymediğini tespit etmektedir. Aynı zamanda, gıda üretim ortamında istenmeyen canlıları algılamak amacıyla farklı model dosyaları kullanılmıştır. Çalışmada kullanılan YOLOv5 algoritması, yüksek doğruluk oranları ve hızlı tespit yeteneği ile ön plana çıkmaktadır. Eldiven-Maske ve Boneli-Bonesiz modelleri, personelin koruyucu donanım ekipmanlarını kullanıp kullanmadığını başarılı bir şekilde belirleyebilmektedir. Ayrıca Kedi-Köpek tespiti yapan model, temizlik açısından potansiyel riskleri minimize etmeye yardımcı olmaktadır. Geliştirilen Python tabanlı arayüz, kullanıcıların sistemi kolayca yönetmelerini sağlamaktadır. Kamera ekleme, canlı görüntü izleme ve anormal durumların tespitini listeleyen bölümler, sistemi kullanıcı dostu bir hale getirmektedir. Elde edilen başarımlar, geliştirilen nesne tespit sistemini endüstriyel uygulamalarda etkili bir çözüm haline getirmektedir.
Özet (Çeviri)
Depending on the population growth rate of Turkey, there is a rapid development in the food production and distribution sector. Population changes have caused companies that carry out food production to increase both the number and production capacities. This capacity increase has led to the employment of more people. However, inspections of undesirable situations in food production areas are having difficulty coping with this rapid growth. These inspections in food production areas are usually carried out manually or not at all, which threatens human health. Artificial intelligence-based systems have started to solve this problem more effectively with the development of technology. With this thesis, it is aimed to develop an object detection system for use in the food production and distribution sector. The developed system detects whether the personnel are wearing gloves, masks and bonnet equipment through the camera images. At the same time, different model files were used to detect unwanted creatures in the food production environment. The YOLOv5 algorithm used in the study stands out with its high accuracy rates and fast detection ability. Glove-Mask and Bonneted-Boneless models can successfully determine whether the personnel are using hygiene equipment. In addition, the Cat-Dog detection model helps to minimize potential risks in terms of hygiene. The developed Python-based interface allows users to easily manage the system. The sections listing the addition of cameras, live image monitoring and detection of abnormal conditions make the system user-friendly. The achievements obtained make the object detection system developed an effective solution in industrial applications.
Benzer Tezler
- Multiple-criteria decision making in climate-smart agriculture
İklim akıllı tarımda çok kriterli karar verme yöntemleri
IDA GJERGJİ
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU
- Kuruyemiş fabrikasındaki iş kazalarının incelenmesi
Investigation of work accidents in dried fruits factory
EMİNE KURT
Yüksek Lisans
Türkçe
2019
Kazalarİstanbul Gedik Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DOÇ. DR. FATİH YALÇIN
- Mikroalgal biyoproses optimizasyonu, mikroalgal ekstrakt yüklü nanopartiküllerin üretimi ve antikanser etkilerinin araştırılması
Microalgal bioprocess optimization, production of microalgal extract loaded nanoparticles and investigation of their anticancer effects
BENAN İNAN
Doktora
Türkçe
2019
BiyomühendislikYıldız Teknik ÜniversitesiBiyomühendislik Ana Bilim Dalı
DOÇ. DR. DİDEM ÖZÇİMEN
- Yüksek azot içerikli organik atıkların havasız arıtımı: Biyogaz potansiyeli ile mikrobiyal türlerin araştırılması
Anaerobic digestion of organic wastes with high nitrogen contents: An investigation on biogas potential and microbial communities
TUĞBA SAPMAZ
Yüksek Lisans
Türkçe
2017
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM GÖMEÇ
- Su üretiminde HACCP sisteminin proje yönetimi teknikleri kullanılarak yerleştirme
Implementing HACCP system to drinking water production by using protect management techniques
FİRDEV ÖZLEM KUNUKÇU