Transfer öğrenme kullanılarak geri dönüşüm atıklarının sınıflandırılması

Authors : Büşra Betül Çavuşoğlu, Hasan Badem

Pages : 141-151

Doi:10.28948/ngumuh.1504730

View : 181 | Download : 183

Publication Date : 2025-01-15

Article Type : Research Paper

Abstract :Günümüzde artan sanayileşme ve nüfus, atık sayısının artması sebep olmuştur. Dolayısıyla atık yönetimi ve geri dönüşüm süreçleri büyük bir önem kazanmaktadır. Geliştirilmiş nesne atık tespit sistemleri; atıkların doğru bir şekilde sınıflandırılmasını, geri dönüşüm süreçlerinin verimliliğini artırılmasında önemli rol oynamaktadır. Bu çalışmada, geri dönüşümlü atıkların nesne tespiti için transfer öğrenme temelli YOLOv8 kullanılmıştır. YOLO yönteminin başarısının değerlendirmek için YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, YOLOv8x ve RT-DETR modelleri kullanılmıştır. Gerçekleştirilen deneysel sonuçlarda en etkin olan modelin YOLOv8n olduğu gözlenmiştir. Ayrıca, önerilen modelde atık görüntüsü, video veya web kamerası kullanılarak gerçek zamanlı olarak sınıflandırılma gerçekleştirilmiştir. Modelleme için 7963 farklı görüntü kullanılmıştır. Eğitilmiş olan model ile geri dönüşümü hedeflenen sıklıkla kullanılan Batarya, Şişe Kapağı, Karton, Çöp Poşeti, Cam Şişe, Plastik Poşet, Plastik Şişe ve Teneke nesneleri tespit edilebilmektedir. Önerilen yöntem ile geri dönüşüm atık nesneleri %86.6 ortalama doğruluk oranı (mAP) ile tespit edilmiştir.
Keywords : Atık Yönetimi, Transfer Öğrenme, Nesne Atık Tespiti, Çevresel Sürdürülebilirlik, YOLO

ORIGINAL ARTICLE URL