Gaz sensörü verilerini kullanarak kızartma yağı kalitesinin yapay zekâ tabanlı sınıflandırılması
Artificial intelligence-based classification of frying oil quality using gas sensor data
- Tez No: 991836
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET MİLLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Hücresel yapay sinir ağları, Yapay zeka ve makine öğrenmesi dersi, İnsan-yapay zeka etkileşimi, İşlenmiş gıdalar, Cellular artificial neural networks, Artificial intelligence and machine learning course, Human-artificial intelligence interaction, Processed foods
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kızartma yağlarının kullanım sürecinde maruz kaldığı kimyasal ve fiziksel bozulmalar, insan sağlığı açısından önemli riskler oluşturmakta ve kardiyovasküler hastalıklar, obezite ve bazı kanser türleriyle ilişkilendirilmektedir. Literatürde, yağ kalitesinin belirlenmesi çoğunlukla kimyasal analizlere dayalı klasik örnekleme yöntemleriyle yapılmakta olup bu yöntemler hem zaman alıcı hem de maliyetlidir. Gıda endüstrisinde artan otomasyon ihtiyacı, sensör tabanlı izleme teknolojileri ve yapay zekâ destekli veri analitiğinin, kalite kontrol süreçlerinde daha hızlı, doğru ve sürdürülebilir çözümler sunabileceğini göstermektedir. Bu çalışma, kızartma yağlarının kullanım sürecinde oluşan uçucu bileşikler ve bozulma göstergelerinin izlenmesi amacıyla BME688 gaz sensöründen elde edilen çok boyutlu verileri kullanarak yağ kalite seviyelerini sınıflandırmayı hedeflemektedir. Sensör verileri ön işlemden geçirilmiş, farklı yapay sinir ağı mimarileri denenmiş ve Isıtıcı Profili-411 ile kurulan modelde %99,14 doğruluk oranına ulaşılmıştır. Elde edilen bulgular, BME688 sensörünün karmaşık gaz bileşimlerini güvenilir biçimde ayırt edebildiğini ve yapay zekâ ile entegre edildiğinde kızartma yağı kalitesinin gerçek zamanlı olarak değerlendirilebileceğini göstermekte olup çalışma, endüstriyel süreçlerde bilgisayar tabanlı sürdürülebilir çözümler sunmayı hedeflemektedir.
Özet (Çeviri)
The chemical and physical degradation that frying oils undergo during use poses significant risks to human health and is associated with cardiovascular diseases, obesity, and certain types of cancer. In the literature, the determination of oil quality is mostly carried out through classical sampling methods based on chemical analyses, which are both time-consuming and costly. The increasing need for automation in the food industry indicates that sensor-based monitoring technologies and artificial intelligence–supported data analytics can offer faster, more accurate, and more sustainable solutions in quality control processes. This study aims to classify the quality levels of frying oils by using multidimensional data obtained from the BME688 gas sensor to monitor volatile compounds and degradation indicators formed during the frying process. The sensor data were preprocessed, various artificial neural network architectures were tested, and an accuracy rate of 99.14% was achieved with the model constructed using Heater Profile-411. The findings show that the BME688 sensor can reliably distinguish complex gas compositions and that, when integrated with artificial intelligence, it enables real-time evaluation of frying oil quality. The study aims to provide computer-based sustainable solutions for industrial processes.
Benzer Tezler
- Ölçülen klmyasal gazlarln makina ögrenmesi ile sınıflandırması
Classification of measured chemical gases by machine learning
SAFA EL BEKRI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Machine learning based indoor air pollutant source recognition with gas resistance and multi-sensor array electronic noses
Gaz dirençli ve çoklu sensör dizili elektronik burunlarla makine öğrenimine dayalı iç hava kirletici kaynağı tanıma
MEHMET YİĞİTCAN YEŞİLATA
Yüksek Lisans
İngilizce
2022
MimarlıkOrta Doğu Teknik ÜniversitesiYapı Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET KORAY PEKERİÇLİ
- A novel liquid level sensor design using laser optics technology
Lazer optik teknolojisi ile yeni bir sıvı seviye sensörü
MEHMET EMRE ERDEM
Doktora
İngilizce
2012
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. DOĞAN GÜNEŞ
- Derin ağ tabanlı özniteliklerle gazların sınıflandırılması ve konsantrasyon değerlerinin regresyon analizi
Classification of gases with deep network-based features and regression analysis of concentration values
HANDE BAKİLER
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA GÜNEY
- Akıllı araçlar kapsamında ileri sürüş destek sistemlerinde sensör füzyonu
Sensor fusion in advanced driver asistance systems in the scope of intelligent vehicles
İLKER ALTAY
Doktora
Türkçe
2014
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. BİLİN AKSUN GÜVENÇ