Yazar "Yusun, Sevilay" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    Deep learning algorithm for dessert recognition and nutritional evaluation
    (Food Reseach Institute, 2025) Yusun, Sevilay; Yılmaz, Onur; Tarlak, Fatih
    Food recognition systems are crucial for healthcare and the food industry, aiding in diet tracking, personalised meal planning, and promoting nutritional awareness. This work develops a software interface that recognises food products using deep learning algorithms, and announces their nutritional values and gastronomic characteristics. Specifically, photographs of various desserts were captured in a restaurant setting, and the classification performance of two deep learning models, GoogleNet and ResNet-50, was analysed. Both models achieved high accuracy rates exceeding 99.6 %, with ResNet-50 demonstrating superior performance due to its lower error rates, higher accuracy, and faster learning capabilities. Based on these results, the interface was developed using ResNet-50 to provide consumers with detailed gastronomic information about desserts and support healthier dessert choices. At present, the resulting software is limited to the 23 dessert items on the menu of Healin restaurant (Nisantasi, Istanbul, Turkey), and the way they look in that particular restaurant, but the scope could be expanded in the future. This innovative approach enhances consumer awareness about healthy eating while offering a competitive edge for the food industry by effectively meeting consumer expectations.
  • Küçük Resim
    Öğe
    Derin öğrenme algoritmalarını kullanarak tatlı ürünlerin besin içeriklerinin belirlenmesi ve gastronomik açıdan değerlendirilmesi
    (İstanbul Gedik Üniversitesi, 2024) Yusun, Sevilay; Tarlak, Fatih
    Gıdaların içeriği, sağlık, beslenme ve gıda endüstrisi gibi çeşitli alanlarda kritik bir rol oynar. Özellikle sağlık sektöründe, gıda tanıma bireylerin günlük beslenme alışkanlıklarını izlemelerine ve sağlıklı diyetlerini yönetmelerine yardımcı olur. Aynı zamanda diyetisyenlere ve beslenme uzmanlarına, hastalarının özel beslenme ihtiyaçları ve tercihlerine uygun yemek planları oluşturmada destek sunar. Bu tez çalışması, derin öğrenme algoritmalarını kullanarak gıda ürünlerini tanıyabilen, besin değerlerini tahmin edebilen ve tatlı ürünlerinin gastronomik özelliklerini değerlendirebilen bir yazılımın geliştirilmesini hedeflemektedir. Bu amaçla, 23 farklı tatlı gıdanın restoranda sunulmadan önce fotoğrafları toplanmış ve GoogleNet ile ResNet-50 gibi derin öğrenme modellerinin performansı incelenmiştir. Araştırma sonuçları, her iki modelin de %99'un üzerinde yüksek doğruluk oranlarına sahip olduğunu göstermiştir. Ancak, ResNet-50 modelinin daha düşük hata oranları, yüksek doğruluk seviyeleri ve hızlı öğrenme kabiliyeti olduğu tespit edilmiştir. Bu nedenle, ResNet-50 derin öğrenme modeli kullanılarak bir arayüz geliştirilmiştir. Bu arayüz, tüketicilere tatlı seçimlerinde diyetlerine destek olmanın yanı sıra tatlılar hakkında gastronomik bilgiler sunmayı amaçlamaktadır. Ayrıca, tüketicilerin tükettikleri gıdalar hakkında daha fazla bilgi sahibi olmalarına ve sağlıklı beslenme konusunda farkındalık oluşturmalarına yardımcı olacaktır.