Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: CİHAN KILIÇ
Danışman: Alpaslan Burak İnner
Özet:
Aflatoksinler,
Aspergillus mantar türlerinin ürettiği en tehlikeli mikotoksindir ve insanlarda
karaciğer kanseri de dahil olmak üzere çeşitli sağlık sorunlarına neden
olabilir. İncir ve birçok tarım ürünü aflatoksinlerden etkilenir. Aflatoksini
kontamine gıdalardan temizlemek mümkün olmadığından tüketimden önce tespit
edilmesi çok önemlidir. Kromatografik yöntemler, aflatoksin tespiti için altın
standart olarak kabul edilir, ancak bu yöntemler oldukça pahalı, zaman alıcı ve
ürünün parçalanmasını gerektirir. Bu nedenle aflatoksin tespiti için
spektroskopik yöntemler kullanılarak oluşturulan bilgisayarlı görü tabanlı
sistemlerle yapılmaya başlanmıştır. Tez çalışması iki aşamalı olarak
gerçekleştirilmiştir. Birinci aşamada Ege Bölgesi’ndeki incir üretim
tesislerinden temin edilen kuru incir numuneleri kullanılarak, farklı dalga
boyundaki ışık kaynakları altında elde edilen incir görüntülerinden dengeli ve
özgün veri setleri oluşturulmuştur. İkinci
aşamada ise, bilgisayarlı görü tabanlı bir sistem oluşturularak hızlı, tahribatsız
ve etkili aflatoksin tespit sistemi oluşturma çalışmaları yapılmış ve bu amaçla
iki farklı yöntem önerilmiştir. İlk yöntem, incir üretim tesislerinde halihazırda
kullanılmakta olan Parlak Yeşilimsi Sarı Floresans (BGYF) kontrolünü otomatik
olarak yapabilecek bir sistemin geliştirilmesine yöneliktir. Derin transfer
öğrenmede model uyarlama yaklaşımı ile DenseNet169 modeli kullanılarak %97,50 doğruluk
elde edilmiştir. Önerilen ikinci yöntemde ise, farklı dalga boylarındaki ışık
kaynakları ile çekilmiş incir görüntüleri ile oluşturulan veri setleri üzerinde
transfer öğrenme modelleriyle elde edilen öznitelik vektörleri kullanılarak
sınıflandırma çalışmaları yapılmaktadır. 365nm ışık kaynağı altında alınan
görüntülerde MobileNetV2, ResNet101V2 ve InceptionResNetV2 modelleri
kullanılarak çıkarılan öznitelik vektörlerinin SVM ile sınıflandırılması
sonucunda kontamine incirler %100, kontamine olmayan incirler ise %92,3
doğrulukla tespit edilmektedir. Yapılan çalışmalar, transfer öğrenme
yaklaşımlarının aflatoksinle kontamine olmuş incirleri otomatik, hızlı ve
etkili bir şekilde tespit etmek için kullanılabileceğini göstermektedir.