Kahve çekirdeklerine ait görüntülerin sınıflandırılması
Classification of coffee bean images
- Tez No: 940067
- Danışmanlar: DR. ÖĞR. ÜYESİ DENİZ KARAÇOR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 143
Özet
Kahve ağaçlarından toplanan yeşil kahve çekirdeklerinin farklı türlere sahip olmasından dolayı tatların birbirine karışmaması ve tüketiciye sunulan kahvenin belirli bir standartta olması kahvenin ticareti açısından büyük önem taşımaktadır. Kahvenin ayıklanma ve sınıflandırma süreçleri genellikle insan gözüyle gerçekleştirildiğinden zaman alıcı, maliyetli ve hatalara açık olabilmektedir. Bu nedenle görüntü işleme, makine öğrenmesi ve derin öğrenme yöntemlerinin kullanılması kahve çekirdeklerinin otomatik olarak sınıflandırılmasını sağlayarak süreçleri hızlandırmakta ve doğruluğu artırmaktadır. Makine öğrenmesi teknikleri, kahve çekirdeklerinin boyut, renk, yoğunluk gibi fiziksel özelliklerini analiz ederek kalite kontrol süreçlerini optimize etmeye yardımcı olmaktadır. Bu tez çalışmasında yeşil çekirdeğin dört farklı türüne ait 8000 veriden oluşan USK-Coffee veri seti kullanılmıştır. Veri setine MobileNetV2, ResNet18, VGG16 ve DenseNet201 modelleri özellik çıkarım yöntemi olarak veri setine uygulanarak K-En Yakın Komşu (KNN), Naive Bayes, Karar Ağacı ve Destek Vektör Makinesi (SVM) gibi farklı makine öğrenmesi algoritmaları kullanılarak sınıflandırılmıştır. Sınıflandırma modellerinin performansındaki değişiklikleri incelemek amacıyla, Temel Bileşen Analizi (PCA) ve Yönlendirilmiş Gradyanların Histogramı (HoG) gibi ek özellik çıkarma ve boyut indirgeme yöntemleri de kullanılarak sonuçlar karşılaştırılmıştır. Tüm uygulamalar karşılaştırıldığı zaman %91.99 doğruluk oranı ile DenseNet201 ve PCA ile çıkarılan özelliklere uygulanan SVM algoritmasının en yüksek doğruluk oranına ulaştığı görülmüştür.
Özet (Çeviri)
The variation in green coffee beans collected from coffee trees significantly impacts coffee trade, as it affects flavor consistency and quality standards. Traditional sorting and classification processes are typically performed manually, making them time-consuming, costly, and prone to errors. Therefore, utilizing image processing, machine learning, and deep learning techniques enables the automatic classification of coffee beans, accelerating processes and enhancing accuracy. Machine learning techniques help optimize quality control by analyzing physical characteristics such as size, color, and density. In this thesis, the USK-Coffee dataset, consisting of 8,000 samples from four different green coffee bean types, was used. Feature extraction was performed using MobileNetV2, ResNet18, VGG16, and DenseNet201 models, followed by classification with machine learning algorithms such as K-Nearest Neighbors (KNN), Naive Bayes, Decision Tree, and Support Vector Machine (SVM). To analyze classification performance variations, additional feature extraction and dimensionality reduction techniques such as Principal Component Analysis (PCA) and Histogram of Oriented Gradients (HoG) were applied, and the results were compared. Among all implementations, the highest accuracy rate of 91.99% was achieved using the DenseNet201 model combined with PCA-extracted features applied to the SVM algorithm.
Benzer Tezler
- Synthesis and characterization of carbon quantum dots by microwave heating method
Mikrodalga ısıtma yöntemiyle karbon kuantum noktalarının sentezi ve karakterizasyonu
ANITA NABII
Yüksek Lisans
İngilizce
2023
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiNanobilim ve Nanoteknoloji Ana Bilim Dalı
PROF. DR. HİLMİ ÜNLÜ
DOÇ. DR. SEDEN BEYHAN
- Ankara Etnografya Müzesindeki kahve kültürüne ait eserler
The artefacts of coffee culture in Ankara Etnografya Museum
NURAY ŞEHİTOĞLU
Yüksek Lisans
Türkçe
2019
MüzecilikGazi ÜniversitesiSanat Tarihi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖKKEŞ HAKAN ÇETİN
- Farklı ülkelerde yetiştirilen kahve çekirdeklerinin antioksidan özelliklerinin ve biyoalınabilirliklerinin belirlenmesi
Determination of antioxidant properties and their bioaccessibilities of coffee beans grown in different countries
IDRISS AMIT AROUFAI
Yüksek Lisans
Türkçe
2020
Gıda MühendisliğiBursa Uludağ ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN ŞAHAN
- Functional properties of protein isolates and antioxidants of two local turkish cranberry bean varieties and in-vitro bioaccessability studies.
Türkiyeye özgü iki yerli barbunya çeşidine ait prtoein izolatları ve antioksidanlarının fonksiyonel özellikleri ve in-vitro biyoulaşılabilirlik çalışmaları
SAYNA ZAHEDINIA
Yüksek Lisans
İngilizce
2019
Gıda Mühendisliğiİstanbul Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. BERAAT ÖZÇELİK
- Fonksiyonel kuşburnu (Rosa L. spp.) ürünleri
Functional rosehip (Rosa L. spp.) products
İLKAY MORAN
Yüksek Lisans
Türkçe
2023
BiyolojiSüleyman Demirel ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. HASAN ÖZÇELİK