Fındık kalitesinin derin öğrenme tabanlı sınıflandırılmasında EfficientNet, VGG16 ve YOLO modellerinin karşılaştırılması
Bozok Journal of Engineering and Architecture · 29.06.2026 · 5 (1) · 63-75
DOI: 10.70700/bjea.1920773 ↗Kurz gefasst
Fachartikel in der Zeitschrift Bozok Journal of Engineering and Architecture, online erschienen am 29.06.2026. Verfasst von Özgür Tomak. Die Arbeit nennt 13 Literaturangaben.
Abstract (Originalsprache)
Tarımsal ürünlerin kalite kontrolünde hızlı, nesnel ve güvenilir sınıflandırma sistemlerine duyulan ihtiyaç her geçen gün artmaktadır. Bu çalışmada, fındık kalite sınıflandırması için derin öğrenme tabanlı üç farklı yaklaşım olan EfficientNet, VGG16 ve YOLO tabanlı sınıflandırma modeli karşılaştırılmıştır. Veri kümesi, kötü fındık, iç fındık ve iyi fındık olmak üzere üç sınıftan ve toplam 15.770 görüntüden oluşmaktadır. Deneysel süreçte veri kümesi eğitim, doğrulama ve bağımsız test alt kümelerine ayrılmış; böylece model performansları daha önce görülmemiş test verileri üzerinde değerlendirilmiştir. Elde edilen sonuçlara göre EfficientNet modeli bağımsız test kümesinde 0.9718 doğruluk, VGG16 modeli 0.9835 doğruluk ve YOLO modeli 0.9987 doğruluk elde etmiştir. Karmaşıklık matrisleri incelendiğinde, EfficientNet ve VGG16 modellerinde hataların ağırlıklı olarak kötü fındık ile iyi fındık sınıfları arasında yoğunlaştığı, YOLO modelinde ise yalnızca çok sınırlı sayıda yanlış sınıflandırma gerçekleştiği görülmüştür. Bulgular, üç modelin de fındık kalite sınıflandırmasında başarılı olduğunu, ancak hem genel doğruluk hem de sınıf bazında hata minimizasyonu açısından en yüksek performansın YOLO modeli tarafından sağlandığını göstermektedir. Sonuç olarak, derin öğrenme tabanlı yaklaşımların otomatik fındık kalite kontrolünde etkili biçimde kullanılabileceği ve özellikle YOLO tabanlı sınıflandırmanın bu problem için güçlü bir çözüm sunduğu ortaya konmuştur.
Zitieren
APA
Tomak, Ö. (2026). Fındık kalitesinin derin öğrenme tabanlı sınıflandırılmasında EfficientNet, VGG16 ve YOLO modellerinin karşılaştırılması. Bozok Journal of Engineering and Architecture, 5(1), 63-75. https://doi.org/10.70700/bjea.1920773
Vancouver
Tomak Ö. Fındık kalitesinin derin öğrenme tabanlı sınıflandırılmasında EfficientNet, VGG16 ve YOLO modellerinin karşılaştırılması. Bozok Journal of Engineering and Architecture. 2026;5(1):63-75. doi:10.70700/bjea.1920773
BibTeX
@article{Tomak2026,
author = {Tomak, Özgür},
title = {Fındık kalitesinin derin öğrenme tabanlı sınıflandırılmasında EfficientNet, VGG16 ve YOLO modellerinin karşılaştırılması},
journal = {Bozok Journal of Engineering and Architecture},
year = {2026},
volume = {5},
number = {1},
pages = {63--75},
doi = {10.70700/bjea.1920773}
}
EUVIMED