Derin Öğrenme yöntemleri ile atık sınıflandırma
Waste classification with deep learning methods
- Tez No: 947061
- Danışmanlar: DOÇ. DR. YASEMİN ÇETİN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Convolutional neural networks
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde artan tüketim alışkanlıkları, hızlı kentleşme ve yoğun endüstriyel faaliyetler, atık yönetimini küresel ölçekte ciddi bir çevresel sorun haline getirmiştir. Atıkların doğru şekilde ayrıştırılması, hem çevresel sürdürülebilirliği sağlamak hem de geri dönüşüm süreçlerinin verimliliğini artırmak açısından büyük önem arz etmektedir. Ancak geleneksel atık sınıflandırma yöntemleri; yüksek iş gücü maliyetleri, zaman kaybı ve insan kaynaklı hatalar nedeniyle istenen düzeyde verim sağlayamamaktadır. Bu çalışmada, derin öğrenme tabanlı otomatik atık sınıflandırma sistemlerinin performansı detaylı bir şekilde incelenmiştir. TrashNet veri seti kullanılarak karton, cam, metal, kağıt, plastik ve diğer atıklar olmak üzere toplam altı farklı sınıfta sınıflandırma gerçekleştirilmiştir. Model mimarisi olarak özelleştirilmiş CNN, artık bağlantılı derin sinir ağları (residual networks) ve transfer öğrenme temelli modeller karşılaştırılmıştır. Deneysel sonuçlara göre önerilen özelleştirilmiş CNN modeli %95,03 doğruluk ve %95 F1 skoru ile en yüksek başarıyı göstermiştir. Elde edilen bulgular, derin öğrenme yöntemlerinin atık sınıflandırma problemlerinde yüksek doğrulukla çalışabildiğini ve geleneksel yöntemlere kıyasla daha güvenilir sonuçlar sunduğunu göstermektedir.
Özet (Çeviri)
Today, increasing consumption habits, rapid urbanization, and intensive industrial activities have turned waste management into a serious environmental issue on a global scale. Proper separation of waste is of great importance for ensuring environmental sustainability and increasing the efficiency of recycling processes. However, traditional waste classification methods fail to deliver the desired level of efficiency due to high labor costs, time consumption, and human-related errors. In this study, the performance of deep learning-based automatic waste classification systems is thoroughly examined. Using the TrashNet dataset, classification was performed across six different categories: cardboard, glass, metal, paper, plastic, and other waste. The model architectures compared include a customized Convolutional Neural Network (CNN), deep residual networks, and transfer learning-based models. According to the experimental results, the proposed customized CNN model achieved the highest performance with an accuracy of 95.03% and an F1 score of 95%. The findings indicate that deep learning methods can operate with high accuracy in waste classification problems and offer more reliable results compared to traditional approaches.
Benzer Tezler
- Deep ensemble learning and federated knowledge distillation methods for waste classification
Atık sınıflandırma için derin topluluk öğrenme ve federe bilgi damıtma yöntemleri̇
AHMET ALKILINÇ
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SUAT ÖZDEMİR
- Derin öğrenme tabanlı yaklaşımlarla mikroskop görüntülerinden plastik türlerinin sınıflandırılması
Classification of plastic types from microscope images using deep learning-based approaches
ADEM DELİASLAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ULAŞ YURTSEVER
- Resilient and sustainable smart cities: Cybersecurity, disaster management, and data-driven urban solutions
Dayanıklı ve sürdürülebilir akıllı şehirler: Siber güvenlik, afet yönetimi ve veri odaklı kent çözümleri
KIYMET KAYA
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE GÜNDÜZ ÖGÜDÜCÜ
- Yakın kızılötesi spektroskopi ve derin öğrenme yöntemleri kullanarak atıktan türetilmiş yakıtların özelliklerinin belirlenmesi
Characterization of refuse derived fuels using near infrared spectroscopy and deep learning methods
BAKİ OSMAN BEKGÖZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN ÖZKAN
- Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme
Developing a deep learning-based land use and land cover mapping model using remote sensing data
ŞAZİYE ÖZGE ATİK
Doktora
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN İPBÜKER