Balık tazeliğinin transfer öğrenme ile sınıflandırılması
Classification of fish freshness with transfer learning
- Tez No: 860763
- Danışmanlar: DOÇ. DR. ALEV MUTLU
- 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: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu çalışmada, balık görüntülerinden balık tazelik sınıflandırması problemi üzerinde durulmaktadır. Bu amaçla bir transfer öğrenme modeli olan VGG16 mimarisi ve NASnet mimarisi kullanılmıştır. İki mimari kullanılarak taze ve bayat sınıfa ait balığın farklı yüzeylerine ait (kafa, deri ve fileto) 172 görüntü üzerinde sınıflandırma yapılmıştır. Verilerin \% 80'i eğitim , \% 20'si ise test verisi olarak ayrılarak, bu veriler üzerinden deneyler yapılmıştır. VGG16 ile yapılan deneyler sonucunda sadece fileto görüntüleri kullanılarak \%81.82, sadece kafa görüntüleri kullanılarak \%76.12 ve sadece deri görüntüleri kullanılarak \%62.12'lik doğruluk oranları elde edilmiştir. Tüm görüntüler kullanıldığında ise \%91.30'luk bir doğruluk elde edilmiştir. NASNet ile yapılan deneyler sonucunda sadece fileto görüntüleri kullanılarak \%54.55, sadece kafa görüntüleri kullanılarak \%43.28 ve sadece deri görüntüleri kullanılarak \%45.45'lik doğruluk oranları elde edilmiştir. Tüm görüntüler kullanıldığında ise \%73.74'lük bir doğruluk elde edilmiştir. Bu çalışmada ayrıca veri çoğaltma yöntemleri kullanılarak veri çoğaltılarak sınıflandırma başarımının nasıl etkilendiği de incelenmiştir. Deneyler sonucunda sadece fileto görüntülerine dayalı sınıflandırmada artış gözlemlenmiştir. Diğer yüzeylerde ise düşüş gözlemlenmiştir. Bunun temel sebebi de veri çoğaltma tekniklerinin kafa ve deriye ait görüntülerde görüntüyü fazlaca bozduğu olarak saptanmıştır.
Özet (Çeviri)
This study focuses on the problem of fish freshness classification from fish images. For this purpose, VGG16 architecture, a transfer learning model, and NASnet architecture were used. Classification was made on 172 images of different surfaces (head, skin and fillet) of fresh and stale fish using two architectures. Experiments were conducted on 80\% of the data as training data and 20\% as test data. As a result of the experiments conducted with VGG16, accuracy rates of 81.82\% were obtained using only fillet images, 76.12\% using only head images, and 62.12\% using only skin images. When all images were used, an accuracy of 91.30\% was obtained. As a result of the experiments conducted with NASNet, accuracy rates of 54.55\% were obtained using only fillet images, 43.28\% using only head images, and 45.45\% using only skin images. When all images were used, an accuracy of 73.74\% was obtained. In this study, it was also examined how classification performance was affected by multiplying data using data augmentation methods. As a result of the experiments, an increase in classification based only on fillet images was observed. A decrease was observed on other surfaces. The main reason for this has been determined to be that data augmentation techniques greatly distort the images of the head and skin.
Benzer Tezler
- Balık tazeliğinin balık unu kalitesi üzerine etkisi
The effect of raw freshness on fish meal quality
BARIŞ BAYRAKLI
Doktora
Türkçe
2009
Su ÜrünleriSinop ÜniversitesiSu Ürünleri Avlama ve İşleme Teknolojisi Ana Bilim Dalı
YRD. DOÇ. DR. HÜNKAR AVNİ DUYAR
- Balık eti tazeliğinin tespiti için ksantin oksidaz ve ürikaz enzimlerinin polipirol/paratoulensülfonat filme immobilizasyonu ile yeni bir biyosensör hazırlanması
Preparation procedure for a new biosensor for the detection of fish freshness by the immobilization of xanthine oxidase and uricase enzymes in polypyrrole/ paratoluenesulphonate film
EZGİ EROL
- Fish freshness detection by digital image processing
Sayısal görüntü işleme ile balık tazeliğinin belirlenmesi
AYDOĞAN KARAGÖZ
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YAVUZ ŞENOL
- Balık tazeliğini belirlemek için yeni bir amperometrik biyosensör hazırlanması
Preparation of new amperometric biosensor to mark the freshness of fish
YEGANE AZİZLİ
- Atatürk Baraj Gölü'nde yaşayan Carasobarbus luteus ve Capoeta trutta'da balık tazeliğinin tespiti
The deterination of fish freshness of Carasobarbus luteus and Capoeta trutta living in Atatürk Dam Lake
AYŞE RESA SARAÇ