Gıda üretim sektöründe istenmeyen nesne, canlı ve durumların makine öğrenmesi yöntemleri ile tespiti

Türkiye'nin nüfus artış hızına bağlı olarak, gıda üretim ve dağıtım sektöründe hızla bir gelişme görülmektedir. Nüfus değişiklikleri, gıda üretimini gerçekleştiren şirketlerin hem sayısını hem de üretim kapasitelerini artırmalarına neden olmuştur. Bu kapasite artışı, daha fazla insanın istihdam edilmesine yol açmıştır. Ancak, gıda üretim alanlarındaki istenmeyen durumların denetimleri bu hızlı büyümeyle başa çıkmakta zorlanmaktadır. Gıda üretim alanlarındaki bu denetimler genellikle manuel olarak gerçekleştirilmekte veya hiç yapılmamaktadır, bu da insan sağlığını tehdit etmektedir. Yapay zekâ tabanlı sistemler, teknolojinin gelişmesiyle birlikte bu sorunu daha etkili bir şekilde çözmeye başlamıştır. Bu tez çalışması ile gıda üretim ve dağıtım sektöründe kullanılmak üzere bir nesne tespit sisteminin geliştirilmesi amaçlanmıştır. Geliştirilen sistem, kamera görüntüleri üzerinden personelin eldiven, maske ve bone ekipmanlarını giyip giymediğini tespit etmektedir. Aynı zamanda, gıda üretim ortamında istenmeyen canlıları algılamak amacıyla farklı model dosyaları kullanılmıştır. Çalışmada kullanılan YOLOv5 algoritması, yüksek doğruluk oranları ve hızlı tespit yeteneği ile ön plana çıkmaktadır. Eldiven-Maske ve Boneli-Bonesiz modelleri, personelin koruyucu donanım ekipmanlarını kullanıp kullanmadığını başarılı bir şekilde belirleyebilmektedir. Ayrıca Kedi-Köpek tespiti yapan model, temizlik açısından potansiyel riskleri minimize etmeye yardımcı olmaktadır. Geliştirilen Python tabanlı arayüz, kullanıcıların sistemi kolayca yönetmelerini sağlamaktadır. Kamera ekleme, canlı görüntü izleme ve anormal durumların tespitini listeleyen bölümler, sistemi kullanıcı dostu bir hale getirmektedir. Elde edilen başarımlar, geliştirilen nesne tespit sistemini endüstriyel uygulamalarda etkili bir çözüm haline getirmektedir.