Balık Türlerinin Evrişimsel Sinir Ağları İle Sınıflandırılması

Abstract

Balık Türlerinin Doğru Ve Hızlı Bir Şekilde Sınıflandırılması; Çevresel Sürdürülebilirliğinsağlanması, Tür Çeşitliliğinin Korunması, Halk Sağlığının Gözetilmesi Ve Balıkçılık Yönetimininiyileştirilmesi Açısından Büyük Önem Arz Etmektedir. Geleneksel Tanımlama Yöntemleri,Çoğunlukla Uzman Gözlemine Ve Morfolojik Kıyaslamalara Dayandığı İçin Zaman Alıcı Olupyüksek Oranda İnsan Hatasına Açıktır. Son Yıllarda, Görüntü Tabanlı Verilerin Makine Öğrenmesi(MÖ) Algoritmalarıyla Bütünleştirilmesi, Sınıflandırma Süreçlerinde Otomasyon Ve Doğrulukdüzeyinde Kayda Değer Gelişmeler Sağlamıştır. Bu Bağlamda, Bu Tez Çalışması, Farklı Balıktürlerinin Görüntü Verileri Üzerinden Evrimli Sinir Ağı Mimarileriyle Sınıflandırılmasına Yönelikbir Yaklaşım Sunmaktadır. Çalışma Kapsamında, Farklı Morfolojik Yapıya Sahip Altı Balık Türü—Alabalık (Oncorhynchus Mykiss), Çipura (Sparus Aurata), Levrek (Dicentrarchus Labrax), İstavrit(Trachurus Trachurus), Hamsi (Engraulis Encrasicolus) Ve Uskumru (Scomber Scombrus)Kapsamlı Şekilde Analiz Edilmiştir. Görüntü İşleme Sürecinde, Bu Türlerden Elde Edilen Görselverilerden Üç Farklı Evrimli Derin Öğrenme Modeli Aracılığıyla Öznitelik Çıkarımıgerçekleştirilmiş; Bu Öznitelikler Destek Vektör Makineleri (DVM) İle Sınıflandırılmıştır. Sınıflandırma Performansı Doğruluk, Duyarlılık, Özgüllük Ve F1 Skoru Gibi Metriklerle değerlendirilmiş Ve Tüm Modellerde %98’in Üzerinde Başarı Elde Edilmiştir. Geliştirilen Sistemyalnızca Kontrollü Laboratuvar Ortamlarında Değil, Aynı Zamanda Mobil Platformlar Ve Gerçek zamanlı Uygulamalar İçin De Uygun Bir Altyapı Sunmaktadır. Bu Yönüyle Çalışma; Kalori Tahmini,Hacim Ölçümü, Boyut Belirleme, Sağlık Durumu İzleme Ve Tehdit Algılama Gibi Pek Çok uygulamada Kullanılabilecek, Güvenilir Ve Etkili Bir Karar Destek Aracı Olarak Değerlendirilebilir. Özellikle Balık İşleme Tesislerinde Otomatik Kalite Kontrol Sistemlerine Entegrasyon Potansiyeli taşıyan Modelin, Beslenme Takibi Sağlayan Mobil Uygulamalara Da Entegre Edilmesi öngörülmektedir. Sonuç Olarak, Bu Tez Çalışması, Evrimli Sinir Ağı Tabanlı Modellerin Balık sınıflandırma Problemlerindeki Başarısını Ortaya Koymakta Ve Bu Alandaki Uygulamalara nitelikli Bir Katkı Sunmaktadır.