Fındık Çeşitlerinin Kabuk Özelliklerine Göre Sınıflandırılması: Bir Görüntü İşleme ve Makine Öğrenmesi Yaklaşımı
| dc.contributor.author | Katırcıoğlu, Ferzan | |
| dc.contributor.author | Kaymak, Rabia | |
| dc.date.accessioned | 2026-07-01T11:33:54Z | |
| dc.date.available | 2026-07-01T11:33:54Z | |
| dc.date.issued | 2025 | |
| dc.department | Düzce Üniversitesi | |
| dc.description.abstract | Fındık meyvesinin ihracat ve ithalat alanında sektörde üretim bandında fındık çeşitlerini kabuk özelliklerine göre ayırt etmek için özel olarak tasarlanmış makineler bulunmamaktadır; bunun yerine mevcut makineler fındıkları ağırlıklı olarak dolu, boş veya kırık gibi kategorilere ayırmaktadır. Fındık çeşitleri arasında ayrım yapabilme yeteneği, işleme iş akışlarını optimize etmek ve nihai ürünün kalitesini artırmak için esastır. Bu bağlamda, önerilen çalışma, belirli uygulamalar için uygunluklarını belirlemek üzere renk ve doku gibi fiziksel özelliklerini analiz ederek fındıkları Tombul, Sivri ve Badem olmak üzere çeşitlerine göre sınıflandırmayı amaçlamaktadır. Gerçekleştirilen çalışmada taşıma bandında fındık kabuklarının görüntüleri yakalandıktan sonra, kırpma, arka plan kaldırma ve ölçüm standardizasyonu gibi ön görüntü işleme adımlarının ardından, işlenmiş görüntüler üzerinde özellik çıkarma işlemi gerçekleştirilmiştir. Özellik çıkarma için kullanılan teknikler arasında Boyut, Renk, Haralick, Yerel İkili Desenler (LBP) ve Yönlendirilmiş Gradyanların Histogramı (HOG) yer almaktadır. Çıkarılan bu özellikler daha sonra çeşitli sınıflandırıcılara uygulanmıştır. Sınıflandırma sonuçlarına bakıldığında çalışmada değerlendirilen Sensitivity, Precesion, F-Score ve G-Mean metriklerinin sonuçlarına göre Basamaklı İleri Sinir Ağı (CFNN) algoritması %92 doğruluk değerini alarak diğer sınıflandırma algoritmalarından daha iyi performans gösterdiğini ortaya koymuştur. Sonuç olarak, fındıkları dış kabuklarına göre sınıflandırmak için geliştirilen makine öğrenme tabanlı sistem, verimliliği yeni bir seviyeye taşıyarak büyük bir yenilik getirirken endüstriyel süreçlerde kaliteyi önemli ölçüde artırmaya hazırdır. | |
| dc.identifier.dergipark | 1659305 | |
| dc.identifier.doi | 10.29109/gujsc.1659305 | |
| dc.identifier.endpage | 1525 | |
| dc.identifier.issn | 2147-9526 | |
| dc.identifier.issue | 4 | |
| dc.identifier.startpage | 1512 | |
| dc.identifier.trdizinid | 1384315 | |
| dc.identifier.uri | https://doi.org/10.29109/gujsc.1659305 | |
| dc.identifier.uri | https://search.trdizin.gov.tr/tr/yayin/detay/1384315 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12684/22813 | |
| dc.identifier.volume | 13 | |
| dc.indekslendigikaynak | TR-Dizin | |
| dc.language.iso | en | |
| dc.relation.ispartof | Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji | |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.snmz | KA_TR_20260623 | |
| dc.subject | Mühendislik | |
| dc.subject | Elektrik ve Elektronik | |
| dc.subject | Bitki Bilimleri | |
| dc.subject | Bilgisayar Bilimleri | |
| dc.subject | Yapay Zeka | |
| dc.title | Fındık Çeşitlerinin Kabuk Özelliklerine Göre Sınıflandırılması: Bir Görüntü İşleme ve Makine Öğrenmesi Yaklaşımı | |
| dc.title.alternative | Classification of Hazelnut Varieties Based on Shell Characteristics: An Image Processing and Machine Learning Approach | |
| dc.type | Article |












