Lokum kalite kriterlerinin yapay zeka uygulaması ile belirlenmesi
Determination of turkish delight quality criteria withartificial intelligence application
- Tez No: 920592
- Danışmanlar: PROF. DR. MUHAMMAD ASIM
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Tarım Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türk lokumunun sürdürülebilir üretiminin önündeki en büyük engel kalitesini korumaktır. Üretimin kilit bileşenleri ideal şeker, nişasta ve sitrik asit oranlarının yanı sıra üretim süreci ve uzmanlıktır. Bu çalışmada lokum kalitesini optimize etmek için deney tasarımı (DOE) kullanılarak yanıt yüzeyi metodolojisi (RSM) kullanılmıştır. Lokum üretimi için toplam 20 çalışma seçildikten sonra pH, toplam nişasta, toplam şeker ve toplam nem içeriği gibi kalite ölçütleri incelenmiş ve ardından yanıt yüzeyi regresyon modeli kullanılarak analiz edilmiştir. Lokum sektöründeki profesyoneller, hazırlanan numuneleri görünüm, tat, koku ve esnekliklerine göre derecelendirmiştir. Veri doğrulama, sınıflandırma tabanlı model kullanan hem klasik hem de kuantum makine öğrenimi modelleri kullanılarak gerçekleştirilmiştir. Sonuçlar, 19 ve 20 numaralı (80.0 g/Kg şeker + 10.0 g/Kg nişasta + 115.0 g/Kg sitrik asit) ve 75 g/Kg şeker + 11.0 g/Kg nişasta + 121.7 g/Kg sitrik asit) lokumların en yüksek puanı aldığını göstermiştir. Öte yandan, 1. çalışma (75 g/kg şeker + 12,68 g/kg nişasta + 117,5 g/kg sitrik asit) en düşük puanı almıştır. Yanıt optimize edicinin (RSM) uygulanması ile optimize edilmiş 76,61 g/Kg şeker + 10,72 g/K, 19. çalışmaya son derece yakın olduğunu bulunmuştur. Destek Vektör Sınıflandırıcısından (SVC) elde edilen yüksek doğruluk, özelliğe bağlı olarak değişse de klasik makine öğrenimi ile doğrulanmıştır. Özellikle hatırlama puanları, Nelder-Mead optimizasyonlu Varyasyonel Kuantum Sınıflandırıcı için daha iyiydi. Bu çalışma, gıda sektöründe kuantum makine öğrenimi uygulamaları için yeni bir dönem başlatmaktadır.
Özet (Çeviri)
The main obstacle to sustained manufacture of Turkish delight is maintaining its quality. The key components of its production are the ideal ratios of sugar, starch, and citric acid as well as the manufacturing process and expertise. This study used response surface methodology (RSM) using design of experiment (DOE) to optimize the quality of Turkish delight. After choosing 20 runs in total to make Turkish delight, quality metrics including pH, total starch, total sugar, and total moisture content were examined, followed by analysis using response surface regression model. Professionals in the Turkish delight sector graded the prepared samples according to their look, taste, odor, and flexibility. Data validation was conducted using both classical and quantum machine learning models that used classification-based model. The results showed that Turkish delight made with runs 19 and 20 (80.0 g/Kg sugar + 10.0 g/Kg starch + 115.0 g/Kg citric acid) and 75 g/Kg sugar + 11.0 g/Kg starch + 121.7 g/Kg citric acid) achieved the highest score. On the other hand, run 1 (75 g/kg sugar + 12.68 g/kg starch + 117.5 g/kg citric acid) had the lowest score. Application of response optimizer (RSM) yielded the optimal blend of 76.61 g/Kg sugar + 10.72 g/Kg starch + 121.7 g/Kg citric acid which was extremely near to run 19. The high accuracy from the Support Vector Classifier (SVC) was validated by classical machine learning, albeit it varied depending on the trait. Recall scores, in particular, were better for the Variational Quantum Classifier with Nelder-Mead optimization. The study ushers in a new era for the application of quantum machine learning in the food sector.
Benzer Tezler
- Kahramanmaraş koşullarında yerel cin mısır (Zea mays everta) populasyonlarının morfolojik, agronomik ve kalite özelliklerinin belirlenmesi ve DNA moleküler işaretleyiciler ile karakterizasyonu
Determination of morphological, agronomic and quality characteristics of landraces popcorn (Zea mays everta) populations in Kahramanmaras conditions and theircharacterization with DNA molecular markers
GÜLAY ZULKADİR
Doktora
Türkçe
2018
BiyoteknolojiKahramanmaraş Sütçü İmam ÜniversitesiTarla Bitkileri Ana Bilim Dalı
PROF. DR. LEYLA İDİKUT
- Şanlıurfa yöresi nar (Punica granatum L.) genetik kaynaklarının seleksiyonu, morfolojik, biyokimyasal ve moleküler karakterizasyonu
The selection, morphological. biochemical and molecular characterization of pomegranate (Punica granatum L.) genetic resources in Şanliurfa region
YAKUP POLAT
Doktora
Türkçe
2023
ZiraatVan Yüzüncü Yıl ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. FERİT ÇELİK
PROF. DR. NESİBE EBRU KAFKAS
- Genetic characterization of 150 F6-inbread durum wheat lines derived from kunduru-1149xcham-1 cross using molecular markers and economically important traits
F6 kademesindeki kendilenmiş 150 kunduru-1149xcham-1 melezi makarnalık buğday hattının moleküler belirteçler ve ekonomiksel önemli karakterler kullanılarak genetik olarak tanımlanması
BELGİN GÖÇMEN
- Bazı lokum çeşitlerinin kalite özelliklerindeki değişimlerin araştırılması
A Research on the quality changes of some kinds of lokum (Turkish delight)
GÜLŞAH ÇETİN
Yüksek Lisans
Türkçe
2003
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KEMAL DEMİRAĞ
- Kalorisi düşürülmüş lokum üretiminde bazı katkı maddelerinin kullanılabilirliğinin araştırılması
A Research on the usage of various food additives in the production of reduced calorie Turkish delight
ARINÇ KAFTAN
Yüksek Lisans
Türkçe
2002
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KEMAL DEMİRAĞ
