Konveyör bant üzerinde yapay zekâ tabanlı balık sınıflandırma
Artificial intelligence based fish classification on conveyor belt
- Tez No: 996179
- Danışmanlar: DOÇ. DR. YASEMİN ERKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, Sınıflandırma, Yapay zeka, Deep learning, Classification, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bartın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde yapay zekâ teknolojilerinin gelişimi, birçok sektörde olduğu gibi balıkçılık alanında da çeşitli sorunlara çözüm sunmaktadır. Balıkçılık sektöründe, aynı anda yakalanan farklı türdeki balıkların manuel olarak sınıflandırılması hem zaman alıcıdır hem de hata payı yüksektir. İnsan eliyle yapılan bu sınıflandırma işlemleri, balık türlerinin doğru tespit edilememesine ve dolayısıyla verimliliğin düşmesine neden olmaktadır. Bu durum, maliyet artışı ve kalite kontrolünde sorunlar yaratmakta, sınıflandırma sürecinin otomatikleştirilmesi gerekliliğini ortaya koymaktadır. Bu çalışmada, hareketli bir konveyör üzerinde ilerleyen balıkların görüntüleri alınarak, bu görüntülerden elde edilen verilerle yapay zekâ tabanlı nesne tespiti ve sınıflandırma işlemleri gerçekleştirilmiştir. Çalışma kapsamında üç farklı balık türüne ait toplam 3915 görüntü toplanarak özel bir veri seti oluşturulmuştur. Görüntü işleme ve nesne tanıma alanında güçlü bir performans sergileyen YOLO algoritmasının son sürümleri olan YOLOv8, YOLOv10 ve YOLOv11 modelleri bu çalışmada kullanılmıştır. Modellerin ortalama mAP50-95 performans değerleri sırasıyla YOLOv8 için %77.7, YOLOv10 için %78.9 ve YOLOv11 için %79.4 olarak elde edilmiştir. Elde edilen sonuçlar, YOLO algoritmalarının balık türlerinin otomatik sınıflandırılmasında yüksek doğruluk ve hız sunduğunu göstermektedir. Bu sistemin uygulanmasıyla birlikte insan müdahalesine olan ihtiyaç azalmakta, sınıflandırma süreci daha tutarlı ve ekonomik hale gelmektedir.
Özet (Çeviri)
Today, the development of artificial intelligence technologies offers solutions to various problems in the fishing industry, as in many other sectors. In the fishing industry, manually classifying different types of fish caught at the same time is both time-consuming and prone to error. These manual classification processes result in the incorrect identification of fish species and, consequently, a decrease in efficiency. This situation creates cost increases and quality control issues, highlighting the need to automate the classification process. In this study, images of fish moving on a conveyor belt are captured, and artificial intelligence-based object detection and classification processes are performed using the data obtained from these images. A total of 3,915 images of three different fish species are collected to create a special dataset. The latest versions of the YOLO algorithm, which demonstrates strong performance in image processing and object recognition, namely YOLOv8, YOLOv10, and YOLOv11, are used in this study. After the training, the average mAP50-95 performance values of the models are obtained as 77.7% for YOLOv8, 78.9% for YOLOv10, and 79.4% for YOLOv11, respectively. The results demonstrate that YOLO algorithms offer high accuracy and speed in the automatic classification of fish species. With the implementation of this system, the need for human intervention decreases, and the classification process becomes more consistent and economical.
Benzer Tezler
- Robot kolu ile hareketli nesnenin segmentasyonu ve kavranması için derin öğrenme tabanlı bir yaklaşım
A deep learning based approach for segmentation and gripping of moving object with robot arm
KÜRŞAD UÇAR
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ERDİNÇ KOÇER
- Kauçuk bileşiklerinin mekanik özelliklerinin yapay zeka teknikleri ile tahmin edilmesi ve karşılaştırmalı analizi
A comparative study with artificial intelligence techniques to estimate mechanical properties of rubber compounds
FURKAN TİTİZ
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER KİRAZ
- An automatic vision guided position controller in a conveyor belt pick and place system
Konveyör band tut/yerleştir sisteminde otomatik görsel yönlendirmeli bir kontrol mekanizması
ÖZGÜR ÇELİKDEMİR
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SITKI AYTAÇ
YRD. DOÇ. ŞEVKET GÜMÜŞTEKİN
- Hareketli konveyor üzerinde kamera görüntüsü ile nesne tanıma ve nesneleri yerine koyma uygulaması
Object recognition with camera images on moving conveyor and pick and place application the objects
TURGAY ERDOĞAN
Yüksek Lisans
Türkçe
2012
Mekatronik MühendisliğiDokuz Eylül ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÖZKURT
- Kömür madenleri için bantlı konveyör tasarımı ve tasarım parametrelerinin optimizasyonu
Design of belt conveyor for coal mines and optimization of design parameters
ALPARSLAN SOLAK
Yüksek Lisans
Türkçe
2016
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK