Balık türlerinin evrişimsel sinir ağları ile sınıflandırılması

Balık türlerinin doğru ve hızlı bir şekilde sınıflandırılması; çevresel sürdürülebilirliğin sağlanması, tür çeşitliliğinin korunması, halk sağlığının gözetilmesi ve balıkçılık yönetiminin iyileştirilmesi açısından büyük önem arz etmektedir. Geleneksel tanımlama yöntemleri, çoğunlukla uzman gözlemine ve morfolojik kıyaslamalara dayandığı için zaman alıcı olup yüksek oranda insan hatasına açıktır. Son yıllarda, görüntü tabanlı verilerin makine öğrenmesi (MÖ) algoritmalarıyla bütünleştirilmesi, sınıflandırma süreçlerinde otomasyon ve doğruluk düzeyinde kayda değer gelişmeler sağlamıştır. Bu bağlamda, bu tez çalışması, farklı balık türlerinin görüntü verileri üzerinden evrimli sinir ağı mimarileriyle sınıflandırılmasına yönelik bir yaklaşım sunmaktadır. Çalışma kapsamında, farklı morfolojik yapıya sahip altı balık türü—alabalık (Oncorhynchus mykiss), çipura (Sparus aurata), levrek (Dicentrarchus labrax), istavrit (Trachurus trachurus), hamsi (Engraulis encrasicolus) ve uskumru (Scomber scombrus) kapsamlı şekilde analiz edilmiştir. Görüntü işleme sürecinde, bu türlerden elde edilen görsel verilerden üç farklı evrimli derin öğrenme modeli aracılığıyla öznitelik çıkarımı gerçekleştirilmiş; bu öznitelikler destek vektör makineleri (DVM) ile sınıflandırılmıştır. Sınıflandırma performansı doğruluk, duyarlılık, özgüllük ve F1 skoru gibi metriklerle değerlendirilmiş ve tüm modellerde %98'in üzerinde başarı elde edilmiştir. Geliştirilen sistem yalnızca kontrollü laboratuvar ortamlarında değil, aynı zamanda mobil platformlar ve gerçek zamanlı uygulamalar için de uygun bir altyapı sunmaktadır. Bu yönüyle çalışma; kalori tahmini, hacim ölçümü, boyut belirleme, sağlık durumu izleme ve tehdit algılama gibi pek çok uygulamada kullanılabilecek, güvenilir ve etkili bir karar destek aracı olarak değerlendirilebilir. Özellikle balık işleme tesislerinde otomatik kalite kontrol sistemlerine entegrasyon potansiyeli taşıyan modelin, beslenme takibi sağlayan mobil uygulamalara da entegre edilmesi öngörülmektedir. Sonuç olarak, bu tez çalışması, evrimli sinir ağı tabanlı modellerin balık sınıflandırma problemlerindeki başarısını ortaya koymakta ve bu alandaki uygulamalara nitelikli bir katkı sunmaktadır.