YOLO, Faster R-CNN ve SSD MÖobile net kullanarak market raf ürünlerinin algılanması ve tanımlanması
Market shelf products detection and recognition Using YOLO, Faster R-CNN, and SSD Mobile net
- Tez No: 912962
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜLŞAH TÜMÜKLÜ ÖZYER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, market raflarındaki ürünlerin otomatik olarak tespit edilmesi ve tanımlanması için YOLOv11, YOLOv8, Faster R-CNN ve SSD MobileNet gibi derin öğrenme tabanlı modelleri kullanarak performans karşılaştırması yapmaktır. Bu teknolojinin, süpermarket envanter yönetimi ve müşteri deneyimi üzerindeki etkileri analiz edilmiştir. Yöntem: Çalışmada, Erzurum ilindeki marketlerden elde edilen raf görüntülerinden oluşan bir veri seti kullanılmıştır. Görseller, Roboflow 3.0 aracıyla detaylı olarak etiketlenmiş ve YOLOv11, YOLOv8, Faster R-CNN ve SSD MobileNet modelleri eğitilmiştir. Model performansları mAP (Ortalama Doğruluk), kayıp eğrileri ve F1-güven, doğruluk-duyarlılık gibi metriklerle değerlendirilmiştir. Bulgular: Deneysel sonuçlara göre YOLOv11 modeli en yüksek doğruluk oranını sağlarken, YOLOv8 modeli hız ve performans açısından dengeli bir çözüm sunmuştur. SSD MobileNet, düşük hesaplama maliyetiyle donanım kısıtlı ortamlarda başarılı performans sergilemiştir. Faster R-CNN ise özellikle küçük nesnelerin tespitinde daha yüksek başarı göstermiştir. Sonuçlar: YOLOv11, doğruluk ve hız açısından üstün performans göstererek market raflarındaki ürünlerin tespitinde en uygun çözüm olarak belirlenmiştir. YOLOv8 modeli ise daha hızlı bir yapı sunarak, gerçek zamanlı uygulamalar için avantaj sağlamıştır. Bu bulgular, otomatik envanter yönetimi, raf boşluklarının tespiti ve müşteri deneyiminin iyileştirilmesi için YOLO tabanlı modellerin etkin kullanımını önermektedir.
Özet (Çeviri)
Purpose: The aim of this study is to conduct a performance comparison of deep learning-based models, including YOLOv11, YOLOv8, Faster R-CNN, and SSD MobileNet, for the automated detection and identification of products on supermarket shelves. The study analyzes the impact of this technology on supermarket inventory management and customer experience. Method: The study utilized a dataset consisting of shelf images obtained from markets in Erzurum. The images were meticulously labeled using the Roboflow 3.0 tool, and the models YOLOv11, YOLOv8, Faster R-CNN, and SSD MobileNet were trained. Model performances were evaluated using metrics such as mAP (Mean Average Precision), loss curves, and F1-confidence, precision-recall curves. Findings: Experimental results show that the YOLOv11 model achieved the highest accuracy, while the YOLOv8 model provided a balanced solution in terms of speed and performance. SSD MobileNet demonstrated successful performance in hardware-constrained environments due to its low computational cost. Faster R-CNN, on the other hand, excelled in detecting small objects. Conclusions: The YOLOv11 model exhibited superior performance in terms of accuracy and speed, making it the most suitable solution for detecting products on supermarket shelves. The YOLOv8 model offered a faster structure, making it advantageous for real-time applications. These findings suggest the effective use of YOLO-based models for automatic inventory management, shelf gap detection, and improving customer experience.
Benzer Tezler
- 1,3-difenil-4,5-bis(hidroksiimino)-imidazolidin ve Ni(II), Cu(II), Pd(II), UO2(VI) komplekslerinin sentezi
Başlık çevirisi yok
VEFA AHSEN
Doktora
Türkçe
1984
Kimya MühendisliğiUludağ ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZER BEKAROĞLU
- Acil yardım ve tedavi hastanelerinin idari mali ve teknik yönden planlaması
Başlık çevirisi yok
SERVET OKUYUCU
Yüksek Lisans
Türkçe
1985
HastanelerGazi ÜniversitesiKazalarda Acil Yardım ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. HİKMET PEKCAN
- Yahya Kemal'de bedii tefekkür unsurları: 1 Kendi Gök Kubbemiz'de duygu
Başlık çevirisi yok
MUSTAFA ÖZBALCI
Yüksek Lisans
Türkçe
1985
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
DOÇ. DR. SADIK K. TURAL
- Halı ipliği yapımında kullanılan yünlerin teknolojik özellikleri üzerinde araştırmalar
Investigations on the technological properties of wools which are used in woollen carpet yarn production
BEKİR YILMAZ
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTarım Ürünleri Teknolojisi Ana Bilim Dalı
PROF. DR. MUSTAFA HARMANCIOĞLU