Derin öğrenme yöntemleri kullanarak meyve ve sebze sınıflandırması
Fruit and vegetable classification using deep learning methods
- Tez No: 897792
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞAFAK KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Meyve ve Sebze Tazeliğinin Tespiti, Hassas Tarım, Görüntü İşleme, CNN, EfficientNet, Fruit and Vegetable Freshness Detection, Precision Agriculture, Image Processing, CNN, EfficientNet
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kayseri Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- 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
- 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
2023
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRULLAH ACAR
- 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
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Oyun karakteri üretimi için üretken modeller
Generative models for game character generation
FERDA GÜL AYDIN EMEKLİGİL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. İLKAY ÖKSÜZ
- Derin öğrenme yöntemleri ile Türkçe metinlerden anlamlı özet çıkarma
Abstractive summarization from Turkish texts using deep learning methods
MERVE NERGİZ AFATSUN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACER YALIM KELEŞ
- Derin öğrenme tabanlı beyin tümörü segmentasyonu
Deep learning based brain tumor segmentation
MERVE AKMAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN