Yazar "Aktaş, Hakan" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Antep fıstığının derin öğrenme ile dış kabuk rengine göre sınıflandırılması
    (2022) Aktaş, Hakan
    Antep fıstığı, ticari değeri yüksek bir ürün olup; Türkiye bu alanda ciddi bir üretim ve ihracat potansiyeline sahiptir. Bu ürünlerin yetiştirilmesi kadar toplanması ve ayıklanması da bir o kadar önemli bir işlemdir. Antep fıstıklarının toplandıktan sonra dış kabuk renklerine göre sınıflandırılması fıstığın pazarlanmasından önce yapılması gereken önemli işlemlerden bir tanesidir. Bu çalışmada Antep fıstığının dış rengine göre ayıklanması için derin öğrenme teknikleri kullanılmıştır. Ayıkla işlemi için gerekli olan veri seti endüstriyel bir deney düzeneği kullanarak elde edilmiştir. AlexNet yapısı, elde edilen bu veri setleri ile eğitilip test edilmiştir. Yine farklı yüzdelerdeki ve sayılardaki eğitim, doğrulama ve test verilerinin test doğruluğuna etkisini araştırmak için iki farklı yüzde (%70,%15,%15 ve %60,%20,%20) ve üç farklı sayıda veri seti için ağ yapısı eğitilmiş ve test edilmiştir. En yüksek test doğruluğu %60,%20,%20 oranlarına ait eğitim, doğrulama ve test için sırasıyla 580x2, 193x2 ve 193x2 adet verinin kullanılması ile %98.44 olarak hesaplanmıştır. Ayıklama işlemi derin öğrenme teknikleri ile yüksek doğruluklarda gerçekleştirilmiş olup; geliştirilen endüstriyel veri seti ile eğitilmiş ağ yapıları endüstriyel ayıklama makinelerinde yüksek doğrulukta çalışabilecek seviyededir.
  • Küçük Resim Yok
    Öğe
    Derin öğrenme teknikleri ile elmada (Granny Smith) kusur tespiti
    (2023) Ünal, Zeynep; Kızıldeniz, Tefide; Özden, Mustafa; Aktaş, Hakan; Karagöz, Ömer
    Elma (Malus communis L.) derimi sırasında ürünün kalitesini düşüren fiziksel zararlanmaların oluşması kaçınılmazdır. Zarar gören meyvelerin erken tespit edilerek ayrılması ticari değerinin artırılması açısından önemlidir. Tespit edilemeyen kusurlu ürünler sağlam ürünlerin kalitesini etkilediğinden dolayı gıda kaybının yanı sıra üretim hacmini de düşürmektedir. Çalışmanın amacı, “Granny Smith” elma çeşidinden alınan görüntüler üzerinde, derin öğrenme teknikleri kullanarak elmalarda kusur tespit etmektir. Özel koşul gerektirmeyen, uygun maliyetle sınıflandırma ve kusur tespiti yapacak bir teknik araştırılırmıştır. Çalışmada, InceptionV3 modelinin 100 çevrim sonunda test doğruluğu %100, AlexNet modelinin ise test doğruluğu %98.33 elde edilmiştir. Derin öğrenme teknikleriyle, derim sırasında meyve üzerinde oluşan zararlar tespit edilerek ayrılmasıyla, derim sonrası oluşabilecek ekonomik kayıpların önüne geçebilecek bir yöntem geliştirilmiştir.