Derin öğrenme algoritmalarını kullanarak tatlı ürünlerin besin içeriklerinin belirlenmesi ve gastronomik açıdan değerlendirilmesi
| dc.contributor.advisor | Tarlak, Fatih | |
| dc.contributor.author | Yusun, Sevilay | |
| dc.date.accessioned | 2024-06-13T20:11:18Z | |
| dc.date.available | 2024-06-13T20:11:18Z | |
| dc.date.issued | 2024 | |
| dc.department | Enstitüler, Lisansüstü Eğitim Enstitüsü, Gastronomi ve Mutfak Sanatları Ana Bilim Dalı | |
| dc.description | Lisansüstü Eğitim Enstitüsü, Gastronomi ve Mutfak Sanatları Ana Bilim Dalı, Gastronomi ve Mutfak Sanatları Bilim Dalı | |
| dc.description.abstract | 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. | |
| dc.description.abstract | The content of foods plays a critical role in various fields such as health, nutrition and the food industry. In the healthcare sector in particular, food recognition helps individuals monitor their daily eating habits and manage healthy diets. It also helps dietitians and nutritionists to create meal plans tailored to their patients' specific dietary needs and preferences. This thesis aims to develop a software that can recognize food products, predict their nutritional values and evaluate the gastronomic characteristics of dessert products using deep learning algorithms. For this purpose, photos of 23 different dessert foods before they are served in a restaurant are collected and the performance of deep learning models such as GoogleNet and ResNet-50 are analyzed. The results showed that both models have high accuracy rates of over 99%. However, the ResNet-50 model was found to have lower error rates, high accuracy levels and fast learning capability. Therefore, an interface was developed using the ResNet-50 deep learning model. This interface aims to provide consumers with gastronomic information about desserts as well as supporting their diet in their dessert choices. It will also help consumers to have more knowledge about the foods they consume and raise awareness about healthy eating. | |
| dc.identifier.endpage | 95 | |
| dc.identifier.startpage | 1 | |
| dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=cr4SkWLaRMhkDRBjqthpsT1e59INx4zI8_VAVtX9cw6woKMxm_663pxBE_Hxj4m2 | |
| dc.identifier.uri | https://hdl.handle.net/11501/136 | |
| dc.identifier.yoktezid | 853474 | |
| dc.institutionauthor | Yusun, Sevilay | |
| dc.language.iso | tr | |
| dc.publisher | İstanbul Gedik Üniversitesi | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Makine Öğrenmesi | |
| dc.subject | Gıda Tanıma | |
| dc.subject | Besin Değeri Tahmini | |
| dc.subject | Gastronomik Bilgi | |
| dc.subject | Machine Learning | |
| dc.subject | Food Recognition | |
| dc.subject | Nutritional Value Prediction | |
| dc.subject | Gastronomic Knowledge | |
| dc.title | Derin öğrenme algoritmalarını kullanarak tatlı ürünlerin besin içeriklerinin belirlenmesi ve gastronomik açıdan değerlendirilmesi | |
| dc.title.alternative | Determining the nutritional contents and gastronomic evaluation of dessert products using deep learning algorithms | |
| dc.type | Master Thesis |
Dosyalar
Orijinal paket
1 - 1 / 1
