Farklı Şekillerde Dondurulduktan Sonra Termal Strese Maruz Bırakılan Alabalıkların Kalite Değişimlerinin Makine Öğrenmesi İle Belirlenmesi

Özet

Bu çalışmada, farklı dondurma yöntemlerine tabi tutulmuş alabalıkların 25 °C’de maruz bırakıldıkları termal stres süresince gerçekleşen kalite değişimleri, makine öğrenmesi ve görüntü işleme teknikleri kullanılarak değerlendirilmiştir. Deneysel tasarımda taze (dondurulmamış), ev tipi dondurulmuş ve endüstriyel (glaze) dondurulmuş olmak üzere üç ayrı grup oluşturulmuştur. Her bir grup için 0–7 saatlik depolama süresince, her saat başında farklı açılardan 175 adet olmak üzere toplamda her sınıftan 1400, genel toplamda ise 4200 görüntü elde edilmiştir. Görüntü kaydı, sabit bir ışık ortamında ve mobil cihaz kullanılarak gerçekleştirilmiş, böylece veri setinde homojenlik sağlanmıştır. Görüntülerin analizinde derin öğrenme modellerinden ResNet-50 mimarisi kullanılarak öznitelik çıkarımı yapılmış, ardından bu öznitelikler destek vektör makineleri (SVM) ile sınıflandırılmıştır. Sınıflandırma performansının eğitim verisi oranıyla doğrudan ilişkili olduğu gözlemlenmiş, eğitim oranı %40’ın üzerine çıktığında üç sınıf için de %90’ın üzerinde doğruluk elde edilmiştir. Elde edilen bulgular, dondurma işlemlerine bağlı olarak meydana gelen tekstürel deformasyonlara rağmen, alabalıkların kalite değişimlerinin makine öğrenmesi yaklaşımları ile başarılı bir şekilde tespit edilebileceğini göstermektedir.