Geri Dön

Derin öğrenme yöntemleri kullanarak meyve ve sebze sınıflandırması

Fruit and vegetable classification using deep learning methods

  1. Tez No: 897792
  2. Yazar: DEMET PARLAK SÖNMEZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ŞAFAK KILIÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Meyve ve Sebze Tazeliğinin Tespiti, Hassas Tarım, Görüntü İşleme, CNN, EfficientNet, Fruit and Vegetable Freshness Detection, Precision Agriculture, Image Processing, CNN, EfficientNet
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Kayseri Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

Tarım sektöründe, meyve ve sebzelerin tazeliğinin doğru bir şekilde sınıflandırılması büyük bir önem taşımaktadır, zira bu sınıflandırma, çürüklerin erken tespit edilmesini ve ürünlerin ihraç edilecekleri ülkelere göre doğru bir biçimde kategorize edilmesini gerektirir. Bu süreçlerde, işçilik maliyetlerini minimize ederken, meyve ve sebzelerin sınıflandırılmasını son derece hassas bir biçimde yapabilen bir sistemin varlığı büyük bir ihtiyaç haline gelmiştir. Bu bağlamda gerçekleştirilen bu çalışma, her bir meyve ve sebzenin tazeliğini 'iyi', 'orta' ve 'çürük' olarak etkili bir şekilde sınıflandırabilen gelişmiş bir modelin oluşturulmasına odaklanmıştır. Bu amaç doğrultusunda, CNN, AlexNet, ResNet50, GoogleNet, VGG16 ve EfficientNet gibi çeşitli yapay zekâ modelleri geliştirilmiş ve bu modellerin“10, 15, 20, 25”epoch için sırasıyla CNN modeli ile en fazla 0.9982 doğruluğa, ResNet-50 ile 0.9819 doğruluğa, AlexNet ile 0.9914 doğruluğa, GoogleNet ile 0.9976 doğruluğa, VGG16 modeli ile en fazla 0.9950 doğruluğa, EfficientNet ile 0.9994 doğruluğa erişildiği tespit edilmiştir.

Özet (Çeviri)

In the agricultural sector, correct classification of the freshness of fruits and vegetables is of great importance, as this classification requires the early detection of rot and the correct categorization of products according to the countries to which they will be exported. In these processes, the existence of a system that can classify fruits and vegetables extremely precisely while minimizing labor costs has become a great need. In this context, this study focused on creating an advanced model that can effectively classify the freshness of each fruit and vegetable as 'good', 'medium' and 'rotten'. For this purpose, various artificial intelligence models such as CNN, AlexNet, ResNet50, GoogleNet, VGG16 and EfficientNet have been developed and these models have an accuracy of up to 0.9982 with the CNN model and 0.9819 accuracy with ResNet-50 and 0.9914 accuracy with AlexNet, 0.9976 accuracy with GoogleNet, 0.9950 accuracy with VGG16, 0.9994 accuracy with EfficientNet for“10, 15, 20, 25”epochs, respectively.

Benzer Tezler

  1. Derin öğrenme teknikleri kullanılarak meyve ve sebzede çeşitli hastalıkların tespit edilmesi

    Detection of various diseases in fruit and vegetables using deep learning techniques

    SEVİL ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBatman Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRULLAH ACAR

  2. Deep learning based fruit and vegetable recognition for android pos devices

    Android pos cihazları için derin öğrenme tabanlı meyve ve sebze tanıma

    EGE EKİCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  3. Oyun karakteri üretimi için üretken modeller

    Generative models for game character generation

    FERDA GÜL AYDIN EMEKLİGİL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. İLKAY ÖKSÜZ

  4. Derin öğrenme yöntemleri ile Türkçe metinlerden anlamlı özet çıkarma

    Abstractive summarization from Turkish texts using deep learning methods

    MERVE NERGİZ AFATSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HACER YALIM KELEŞ

  5. Derin öğrenme tabanlı beyin tümörü segmentasyonu

    Deep learning based brain tumor segmentation

    MERVE AKMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN