Classification of chicken products by deep learning

Abstract

Gıda ürünlerinin saklanması, izlennmesi ve tüketilmesi ile ilgili bilgiler insan hayatında kritik öneme sahiptir. İnsanların günlük hayatta en çok tükettiği tavuk ürünleri bu ürünler arasında en önemli gıda ürünü sayılmaktadır. Bu ürünlerin son kullanıcıya ulaşıncaya kadar iyi koşullarda saklanması ve kullanıcıya ulaştırılması gerekir. Otomatik sistemler olmakla birlikte bu sistemlerin kontrolü yine insan tarafından yapılmaktadır. Nesnelerin interneti bunu kolaylaştırmakla birlikte tavuk ürünlerinin gerçek zamanlı sistemler tarafından kontrolü ve izlenimi çok önemlidir. Derin öğrenme, görüntülerin kullanıldığı izleme sistemlerinde sıklıkla kullanılır. Bu çalışmada marketlerde satılan ve sıklıkla tüketilen beş çeşit tavuk ürünü derin öğrenme yöntemiyle sınıflandırılmıştır. Herbir ürün uygun saklama koşullarında saklanarak bir hafta boyunda görüntüleri kaydedilmiştir. Görüntüler derin öğrenme modellerinden Resnet-50 ile gün bazlı olarak sınıf içi sınıflandırılmıştır. Her sınıf için toplanan görüntüler kullanılarak sınıflararası bazda sınıflandırılmıştır. Derin öğrenme kullanılarak tavuk ürünleri gün bazında sınıf içi ve sınıflararası %94'ün üzerinde başarım ile sınıflandırılmıştır.

Information regarding the storage, monitoring and consumption of food products is of critical importance in human life. Chicken products, which people consume most in daily life, are considered the most important food product among these products. These products must be stored and delivered in good conditions until they reach the end user. Although there are automatic systems, these systems are still controlled by humans. While the internet of things makes this easier, the control and monitoring of chicken products by real-time systems is very important. Deep learning is frequently used in tracking systems where images are used. In this study, six types of chicken products sold in markets and frequently consumed were classified using the deep learning method. Each product was stored under appropriate storage conditions and sufficient images were recorded for a week. These recorded images were classified in-class on a daily basis with ResNet-50, one of the deep learning models. It is also classified on a class-by-class basis. Chicken products were classified with a deep learning algorithm with over 94% success in inter-class and intra-class classification.