Yavuz Unal, Yavuz Selim Taspinar, Ilkay Cinar, Ramazan Kursun, Murat Koklu
Food Analytical Methods, 2022
Kahve, yetiştirildiği tropikal ülkeler için önemli bir ihracat ürünüdür ve kahve çekirdeklerinin kalite ile çeşit taklidi açısından ayrıştırılması büyük önem taşımaktadır. Geleneksel elle kontrol yöntemleri tutarsız, zaman alıcı ve öznel süreçlere yol açmaktadır. Bu durum, otomatik sınıflandırma sistemlerine olan ihtiyacı artırmaktadır. Yürütülen araştırmada Espresso, Kenya ve Starbucks Pike Place türlerine ait toplam 1.554 kahve çekirdeği görüntüsünden oluşan özel bir veri seti oluşturulmuştur. Söz konusu görüntüler üzerinden transfer öğrenme yöntemiyle SqueezeNet, Inception V3, VGG16 ve VGG19 olmak üzere dört farklı evrişimli sinir ağı modeli eğitilmiş ve test edilmiştir. Modellerin performans değerlendirmesinde çapraz doğrulama yönteminin yanı sıra Hassasiyet, Anma, F-1 Skoru ve ROC eğrilerinden yararlanılmıştır. Deneyler sonucunda ortalama sınıflandırma başarısı SqueezeNet için %87,3, Inception V3 için %81,4, VGG16 için %78,2 ve VGG19 için %72,5 şeklinde gerçekleşmiştir. Elde edilen bulgular, SqueezeNet modelinin kahve türlerini ayırt etmede en yüksek performansı sergilediğini ortaya koymuştur.
Bu özet, makalenin özgün İngilizce abstract'ından yapay zekâ ile otomatik oluşturulmuştur. Özgün metin için makaleye bakınız.
Yavuz Unal, Yavuz Selim Taspinar, Ilkay Cinar, Ramazan Kursun, Murat Koklu. (2022). Application of Pre-Trained Deep Convolutional Neural Networks for Coffee Beans Species Detection. Food Analytical Methods. https://doi.org/10.1007/s12161-022-02362-8