@article{article_1717327, title={Fındık Meyvesinin Sınıflandırılmasında Shufflenet ve Densenet Derin Öğrenme Algoritmalarinin Performansının Karşılaştırılması}, journal={Hendese Teknik Bilimler ve Mühendislik Dergisi}, volume={2}, pages={96–102}, year={2025}, DOI={10.5281/zenodo.17474580}, author={Tomak, Özgür}, keywords={Hazelnut, Classification, Deep Learning, Shufflenet, DenseNet}, abstract={Yapay zekâ kullanımıyla fındık meyvesinin sınıflandırılması, verimliliğinin artırılması mümkün olabilir. Bu çalışmadaki amacımız fındık meyvesinin sınıflandırılmasında kullanılabilecek bir otomatik sınıflandırma sistemi için bir yöntem önermektir. Fındık meyvesinin sınıflandırılmasında derin öğrenme algoritmalarının kullanılması, tarım ve gıda endüstrisinde kalite kontrol, otomatik ayıklama ve verimlilik artırma gibi alanlarda önemli bir rol oynayabilir. Yapay zekânın fındık görüntülerini analiz etmesinde kullanılabilecek derin öğrenme algoritmaları incelenmiştir. Shufflenet ve DenseNet derin öğrenme algoritmalarının fındık meyvesine ait veri tabanında performansları karşılaştırılmıştır. Analizler sonucunda ShuffleNet eğitimde % 99.79, test aşamasında % 99.94 doğruluğa ulaşmıştır. DenseNet ise eğitimde % 99.98, test aşamasında % 99.95 doğruluğa ulaşmıştır. Fındık meyvesinin sınıflandırılmasında derin öğrenmenin, insan gözünden daha hızlı ve tutarlı sonuçlar verebiliceği sonucuna ulaşabiliriz.}, number={2}, publisher={Mus Alparslan University}