Derin öğrenme modelleriyle gıda endüstrisinde hata tespiti
Defect detection in the food industry through deep learning models
- Tez No: 959054
- Danışmanlar: DR. ÖĞR. ÜYESİ EBRU PEKEL ÖZMEN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Derin öğrenme, Endüstri mühendisliği, Gıda sektörü, Kusur tespiti, Deep learning, Industrial engineering, Food sector, Flaw detection
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Samsun Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, paketli gıda endüstrisinde üretim hattına girmeden önce ürünlerin görsel niteliklerine dayalı olarak kusurlu ve kusursuz örneklerin otomatik tespiti amacıyla derin öğrenme tabanlı görüntü işleme yöntemlerinin etkinliği araştırılmıştır. Çalışma kapsamında, üretim hattından elde edilen 405 adet kusurlu ve 369 adet kusursuz ürün görseli, ön işleme adımlarından geçirilerek yalnızca format açısından standartlaştırılmış ve modellemeye uygun hale getirilmiştir. Modelleme sürecinde Inception, InceptionResNetV2, DenseNet121, EfficientNetB0, EfficientNetV2B0, MobileNet, ResNet50, VGG16, VGG19 ve Xception olmak üzere toplam 10 farklı derin öğrenme mimarisi uygulanmıştır. Tüm modellerde 5 katmanlı çapraz doğrulama yöntemi kullanılmış ve performans değerlendirmeleri bu doğrultuda gerçekleştirilmiştir. Her bir modelin başarımı; eğitim ve test kayıplarının yanı sıra doğruluk, kesinlik, duyarlılık ve F1-ölçütü metrikleri üzerinden analiz edilerek detaylı biçimde karşılaştırılmıştır.
Özet (Çeviri)
In this thesis study, the effectiveness of deep learning-based image processing methods for automatic detection of defective and non-defective samples based on visual characteristics prior to entering the production line in the packaged food industry was investigated. Within the scope of the study, 405 defective and 369 non-defective product images obtained from the production line were preprocessed and standardized only in terms of format to make them suitable for modeling. During the modeling process, a total of 10 different deep learning architectures Inception, InceptionResNetV2, DenseNet121, EfficientNetB0, EfficientNetV2B0, MobileNet, ResNet50, VGG16, VGG19, and Xception were applied. All models employed a 5-fold cross-validation method, and performance evaluations were conducted accordingly. The success of each model was analyzed in detail by comparing training and test losses as well as metrics including accuracy, precision, recall, and the F1 score
Benzer Tezler
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ