Gıda güvenliğinin sağlanmasında görüntü işleme uygulaması

Gıda güvenliği yönetiminin etkin bir şekilde sağlanmasının temelinde iyi hijyen uygulamaları bulunmaktadır. Gıda işletmecileri, iyi hijyen uygulamaları için kimyasal, biyolojik ve fiziksel nedenlerden kaynaklı her türlü bozulma ve bulaşmaya sebep olan etkenin farkında olmalı ve tüketicinin sağlığını korumak için gerekli önlemleri alarak gıda hijyenini sağlamalıdır. Gıda hijyeninin sağlanarak gıda kaynaklı sorunların önlenmesinde temizlik ve sterilizasyon, atık yönetimi, ekipman bakımı ve kontrolü, personelin kişisel hijyeni gibi iyi hijyen uygulamaları yer almaktadır. Bu kapsamda personelin kişisel koruyucu ekipman (KKE) kullanımı gıda güvenliğini sağlama hususunda başvurulan temel önleyici tedbirler arasında ele alınmaktadır. Tüm personelin hijyen açısından işe uygunluğunu temin etme yönetimin sorumluluğundadır. Yemek hazırlık ve servis alanlarında önlük, eldiven, şapka ve maske gibi KKE'lerin personel tarafından kullanımı süreklilik esasına dayandırılmalıdır. İnsanların çoğu kontrol edildiğini bildiğinde kurallara uyma konusunda daha fazla özen gösterdiğinden bu konuda personel takibi önem arz etmektedir. Ancak söz konusu takibin sürekliliği zor olup, kimi zaman ekstra iş yükü getirebilmektedir. Yapay zekanın gelişmesiyle birlikte görüntü işleme uygulamaları, otomatik ve süreklilik esasına dayalı kontrolün gerçekleştirilmesinde büyük fayda sağlamaktadır. Tez çalışması kapsamında, restoran mutfaklarında gıdaların hazırlık ve pişirme aşamalarında gıda güvenliği ve hijyenini sağlamak için personel tarafından KKE kullanımı ile ilgili uygunsuzlukların görüntü işleme teknolojisi kullanılarak tespit edilmesi hedeflenmiştir. Bunun sağlanması için gerçek zamanlı, hızlı işlem gücüne ve yüksek doğruluk oranlarına sahip derin öğrenme tabanlı Yolo algoritması tercih edilmiştir. Çalışmada maske, üniforma, eldiven ve şapka gibi gıda sektöründe kullanılan KKE'ler farklı epoch sayılarında Yolov5, Yolov8 ve Yolov9 nesne tespit algoritmaları kullanılarak tespit edilmiştir. En iyi sonuçlar Yolov9 algoritması kullanılarak elde edilmiş olup %88,5 kesinlik, %90,9 duyarlılık, %92,7 mAP değerine ulaşılarak yüksek bir başarı sağlanmıştır.