DERİN ÖĞRENME İLE BALIK TÜRLERİNİN TESPİTİ

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.Seafood, which has an important place in our diet, is an excellent source of vitamins and minerals. Seafood, which is very easy to digest among protein sources, contains very little harmful fat compared to other high-protein sources. It is known that fatty acids such as omega-3 in fish are effective not only in cardiovascular diseases, but also in important diseases such as diabetes and cancer, which adversely affect human health. In addition, there are also fish species that can threaten human health, albeit a little. By this study, it is aimed to predict fish species by using images of fish that have an important role in human nutrition thanks to deep learning algorithms, one of today's popular machine learning methods. In the application developed for this purpose, 4410 fish images obtained from different environments are used. Fish images of 483 different species are obtained from different environments. The "QUT FISH Dataset" dataset is used for the training and testing of the deep learning algorithm prepared in the study. By means of the Convolutional Neural Networks method, which is frequently used in deep learning methods, the features of fish species are extracted from the data set. These extracted features are classified with a multilayer artificial neural network model. With the study, a value of 73.72% is obtained as classification success.