İki boyutlu sağlık, tarım ve iş güvenliği imgeleri üzerinde sınıflandırma ve nesne tespiti

Derin öğrenme teknolojileri, özellikle evrişimsel sinir ağları görüntüler üzerinde sınıflandırma ve nesne tespiti problemlerinde yüksek doğruluk sağlar. Makine öğrenimi ve derin öğrenmeyi kapsayan yapay zekâ biliminin ilerlemesi ile beraber birçok sektörde dijitalleşme başlamıştır. Bunun yanında büyük veri kaynaklarının ulaşılabilir olması, yapay zekâ biliminin ilerlemesine ve akıllı sistemlerin kullanımının yaygınlaşmasına zemin hazırlamıştır. Bu tez çalışması, insan yaşamında birçok sektörde yapay zekânın kullanımının artışına odaklanmaktadır. Bu kapsamda üç farklı sektörde kullanılmak üzere yöntemler önerilmiştir. İlk çalışmada, domates yapraklarından hastalık tespitini gerçekleştirmek amacıyla derin öğrenme tabanlı bir yaklaşım sunulmaktadır. İkinci çalışmada, X-ray görüntüleri kullanılarak ilgili görüntünün Covid-19, normal veya zatürre olarak sınıflandırılması sağlanmaktadır. Sınıflandırmayı gerçekleştirmek için CNN tabanlı hibrit bir yöntem önerilmektedir. Son çalışmada ise başta inşaat alanları olmak üzere, iş güvenliğinin sağlanması adına baret takma durumunun tespit edilmesi için bir nesne bulma yaklaşımı ele alınmaktadır. Bu yaklaşım, bilinen tek adımlı nesne bulma algoritması Yolov5 esas alınarak önerilmektedir. Tez kapsamında geçekleştirilen uygulamaların her biri, bir veya daha fazla açık erişimli veri kümesi ile doğrulanmıştır. Önerilen yöntemlerde evrişimsel sinir ağları esas alınmış ve başarılı sonuçlar elde edilmiştir. Yöntemlerin iyileştirilmesi konusunda spesifik verilerle yapılan uygulamalar ile literatüre katkıda bulunulmuştur. Önerilen yöntemleri gerçekleştirmek için matlab ve python gibi yazılım araçlarından yararlanılmıştır. Kullanılan metrikler ile sınıflandırma ve nesne bulma başarımları değerlendirmiştir. Ayrıca önerilen yöntemler literatürdeki benzer çalışmalar ile kıyaslanmıştır.