Açıklanabilir Yapay Zekâ Araçları ve Transfer Öğrenme ile Görüntü Tabanlı Atık Sınıflandırması

Authors : İkra Kışlıoğlu, Osman Güler

Pages : 175-191

Doi:10.59940/jismar.1746258

View : 172 | Download : 199

Publication Date : 2025-12-31

Article Type : Research Paper

Abstract :Sürdürülebilir çevre yönetimi ve verimli geri dönüşüm sistemleri için etkili atık sınıflandırması esastır. Bu çalışma atıkların otomatik olarak dokuz kategoriye sınıflandırmak için RealWaste veri setinden alınan görüntü verilerini kullanan derin öğrenmeye dayalı bir yaklaşım sunmaktadır. VGG16, ResNet50, DenseNet201, EfficientNetB3 ve Xception dâhil olmak üzere on beş evrişimli sinir ağı (CNN) mimarisi, transfer öğrenmesi ve ince ayar kullanılarak değerlendirildi. Sınıf dengesizliğini azaltmak için veri artırma ve sınıf ağırlıklandırma stratejileri kullanıldı. Modeller doğruluk, kesinlik, geri çağırma, F1 puanı ve karışılık matrisleri kullanılarak değerlendirildi. Ek olarak modellerin yorumlanabilirliğini artırmak için Grad-CAM görselleştirmeleri kullanıldı. DenseNet201 ve EfficientNetB2, güçlü genelleme ve yüksek sınıf bazında performans göstererek en iyi performansı gösterenler olarak ortaya çıktı. Bu araştırma mobil veya gömülü platformlara uyarlanabilen atık sınıflandırma sistemleri oluşturmada derin öğrenmenin ve açıklanabilir yapay zekanın potansiyelini vurgulamaktadır.
Keywords : Atık Sınıflandırma, Evrişimli Sinir Ağları Tranfer Öğrenme, Grad-CAM, XAI

ORIGINAL ARTICLE URL