Fındık meyve çeşitlerinin derin öğrenme metodu kullanılarak sınıflandırılması
Classification of hazelnut fruit varieties using deep learning method
- Tez No: 934708
- Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Amasya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 136
Özet
Fındık, Corylaceae (gürgengiller) familyasına ait bir kabuklu yemiş türü olup, dünya genelinde özellikle Türkiye'de yoğun olarak yetiştirilmektedir. Türkiye, Karadeniz Bölgesi'nde yer alan illeriyle, fındık üretiminde önde gelen bir merkez konumundadır ve dünya çapında önemli bir ihracatçı rolü üstlenmektedir. Fındık, protein, yağ, lif, vitamin ve mineral yönünden zengin bir besin kaynağı olup, geniş bir kullanım yelpazesine sahiptir. Bu çalışmada, Türkiye'de yaygın olarak yetiştirilen fındık türlerinden sekiz tanesi ön eğitimli ağlar kullanılarak sınıflandırması amaçlanmaktadır. Çalışma kapsamında bilgisayarlı görü sistemi aracılığıyla fındık çeşitlerinin görüntüleri elde edilmiştir. Oluşturduğumuz veri setinde 150 palaz, 320 dağ, 380 Foşa, 230 tombul, 380 hanımeli, 320 çakıldak, 420 kara fındık, 390 sivri, toplam 2590 adet görüntü bulunmaktadır. Bu görüntüler ön eğitimli (pretrained) modeller, DenseNet121, Inception v3, NasNet, EfficeNet, AlexNet ve Xception ile fındık görüntüleri sınıflandırılmıştır. Veri kümesi %80 eğitim ve %20 test olmak üzere bölümlere ayrılmıştır. Yapılan sınıflandırmalar sonucunda; sırasıyla %95,17, %93,44, %80,07, %81,17, %79,73 ve %83,20 sınıflandırma başarısı elde edilmiştir. En yüksek sınıflandırma başarısı DenseNet121 modeli ile elde edilmiştir. Çeşitli karışıklık matrisleri ve performans ölçümleri modellerin performanslarını daha detaylı analiz etmek için kullanılmıştır. İkinci aşamada veri artırımı teknikleri kullanılarak görüntüler çoğaltılmış ve yeniden sınıflandırma işlemine tabi tutulmuştur. Çoğaltılmış verilere uygulanan ön eğitimli (pre-trained) modeller sırasıyla şunlardır; Densenet121, AlexNet, NasNet, Xception, Inception V3, VGG16, EfficeNet ve VGG-19. Bu derin öğrenme metotları eğitim başarı oranları sırasıyla şunlardır; %97,5, %91,16, %81,61, %82,77, %95,45, %92,95, %78,66, %82,95. Veri artırma işleminin sonucunda bazı modellerde sınıflandırma başarısı artmış bazılarında artmamıştır. Elde edilen sonuçlar tezin ilgili bölümünde detaylı olarak verilmiştir.
Özet (Çeviri)
Hazelnut is a type of nut that belongs to the Corylaceae family and is grown intensively worldwide, especially in Turkey. Turkey, with its provinces located in the Black Sea Region, is a leading center in hazelnut production and plays a significant export role worldwide. The examination of acres of hazelnut gardens by experts requires long periods of time and leads to high costs. In this study, it is aimed to classify eight of the hazelnut species commonly grown in Turkey using pre-trained networks. Within the scope of the study, images of hazelnut varieties were obtained through a computer vision system. The dataset we created includes 150 palaz, 320 mountain, 380 Foşa, 230 tombul, 380 honeysuckle, 320 çakdak, 420 black hazelnut, 390 spike, a total of 2590 images. These images were classified as hazelnut images with pre-trained models, DenseNet121, Inception v3, NasNet, EfficeNet, AlexNet and Xception. The dataset was divided into 80% training and 20% test sections. As a result of the classifications; 95,17%, 93,44%, 80,07%, 81,17%, 79,73% and 83.20% classification success was obtained, respectively. The highest classification success was obtained with the DenseNet121 model. Various confusion matrices and performance measurements were used to analyze the performances of the models in more detail. In the second stage, the images were multiplied using data augmentation techniques and subjected to re-classification. Pre-trained models applied to replicated data are; Densenet121, AlexNet, NasNet, Xception, Inception V3, VGG16, EfficeNet and VGG-19, respectively. The training success rates of these deep learning methods are; 97,5%, 91,16%, 81,61%, 82,77%, 95,45%, 92,95%, 78,66%, 82,95%. As a result of the data augmentation process, the classification success increased in some models and did not increase in others. The results obtained are given in detail in the relevant section of the thesis.
Benzer Tezler
- Türkiye pazarında bulunan aromalı kahvelerin esansiyel ve esansiyel olmayan element içeriklerinin ICP-OES cihazı ile belirlenmesi ve şeker etkisinin incelenmesi
Türkiye Pazarında Bulunan Aromalı Kahvelerin Esansiyel ve Esansiyel Olmayan Element İçeriklerinin ICP-OES Cihazı İle Belirlenmesi ve Şeker Etkisinin İncelenmesi
MELEK MERVE FERCAN
Yüksek Lisans
Türkçe
2015
Kimya MühendisliğiYıldız Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EMEK MÖRÖYDOR DERUN
- Farklı fındık çeşitleri iç meyve zarının in-vitro gaz üretim metodu ile sindirilebilirliğinin ve metabolize edilebilir enerji değerlerinin belirlenmesi
The determination of metabolisable energy and the digestibility of the fruit inner membrane of varieties of hazelnuts by in-vitro gas production method
YUSUF SERHAT KULEYİN
Yüksek Lisans
Türkçe
2015
Veteriner HekimliğiOndokuz Mayıs ÜniversitesiHayvan Besleme ve Beslenme Hastalıkları Ana Bilim Dalı
PROF. DR. NURCAN ÇETİNKAYA
- Erken ve geç hasadın bazı fındık (Corylus avellana L.) çeşitlerinin meyve kalitesi üzerine etkisi
The effect of early and late harvest on fruit quality of some hazelnut (Corylus avellana L.) cultivars
UĞUR ARMAN GÜLÇÜR
Yüksek Lisans
Türkçe
2021
ZiraatAnkara ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. VELİ ERDOĞAN
- Önemli fındık çeşitlerinin değişik sıcaklık ve nem koşullarında muhafazaları üzerine bazı ambalaj malzemelerinin etkileri
Effect of some packaging materials on the storage period of important hazelnut varieties under different temperature and humidity conditions
FEHMİ BAŞ
Doktora
Türkçe
1990
Gıda MühendisliğiAnkara ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. MAHMUT AYFER
- Düzce ilinde yetiştirilen farklı fındık çeşitlerinin agromorfolojik özellikleri ve biyokimyasal içerikleri üzerine bor uygulamalarının etkisi
Effect of boron treatments on agromorphological properties and biochmical contents of different hazelnut cultivars grown in Düzce province
MUZAFFER ÇAVUŞ
Yüksek Lisans
Türkçe
2021
ZiraatBolu Abant İzzet Baysal ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. MÜTTALİP GÜNDOĞDU