DERİN ÖĞRENME İLE BALIK TÜRLERİNİN TESPİTİ

Authors : Kıyas KAYAALP, Sedat METLEK

Pages : 569-576

Doi:10.46519/ij3dptdi.956221

View : 22 | Download : 11

Publication Date : 2021-12-30

Article Type : Research Paper

Abstract :Beslenmemizde önemli bir yere sahip olan deniz ürünleri, mükemmel bir vitamin ve mineral kaynağıdır. Protein kaynakları içerisinde sindirilmesi oldukça kolay olan deniz mahsulleri, diğer yüksek proteinli kaynaklara göre oldukça az zararlı yağ içermektedir. Balıklarda bulunan omega-3 gibi yağ asitlerinin, insan sağlığını olumsuz etkileyen kalp ve damar hastalıklarından, diyabet ve kanser gibi daha birçok hastalığa iyi geldiği bilinmektedir. Bunun yanı sıra az da olsa insan sağlığını tehdit edebilecek balık türleri de bulunmaktadır. Gerçekleştirilen çalışma ile günümüzün popüler makine öğrenme yöntemlerinden birisi olan derin öğrenme algoritmaları vasıtasıyla, insanoğlunun beslenmesinde önemli bir role sahip olan balıkların, görüntüleri üzerinden türlerinin tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda geliştirilen uygulamada, farklı ortamlardan elde edilen 4410 adet balık görüntüsü kullanılmıştır. Kullanılan balık görüntüleri, 483 adet farklı türden oluşmakla beraber, farklı koşullar altında elde edilen gerçek balık görüntüleridir. Çalışmada hazırlanan derin öğrenme algoritmasının eğitim ve test işlemleri için “QUT FISH” veri seti kullanılmıştır. Derin öğrenme yöntemlerinde sıkça kullanılan, Evrişimsel sinir ağları yöntemi ile veri setindeki görüntülerden, balık türlerine ait öznitelikler çıkartılmıştır. Çıkartılan bu öznitelikler çok katmanlı bir yapay sinir ağı modeli ile sınıflandırılmıştır. Yapılan çalışma ile sınıflandırma başarısı olarak %73,72 değeri elde edilmiştir.
Keywords : Derin Öğrenme, Evrişimsel Sinir Ağları, Balık türlerinin tespiti