Veri Temelli Sinyal İşleme ve Durum Analizi Yöntemleriyle Kuru Çay Kalitesinin Tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Recep Tayyip Erdoğan Üniversitesi, Lisansüstü Eğitim Enstitüsü, Makine Mühendisliği (Yl), Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: AHMET TURAN TAŞDEMİR
Danışman: Erkan Caner Özkat
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Geleneksel çay kalite değerlendirmeleri çoğunlukla uzmanların duyusal analizlerine dayandığından kişiden kişiye farklılık gösterebilmekte ve tutarlı sonuçlar vermemektedir. Bu nedenle bu çalışmada, kuru çayın kalitesini daha objektif, güvenilir ve tekrarlanabilir biçimde belirlemek amacıyla sensör tabanlı ve veri odaklı bir yöntem geliştirilmiştir. Araştırmada Bosch BME688 sensörü kullanılarak farklı çay örneklerindensıcaklık, nem, basınç ve uçucu organik bileşik (VOC) verileri toplanmıştır. Elde edilen ham veriler; gürültü giderme, normalleştirme, eksik veri düzenleme ve iç ortam hava kalitesi hesaplamaları uygulanarak analiz için uygun hale getirilmiştir.
Ön işleme aşamasının ardından sensör verilerinden ortalama, standart sapma, minimum, maksimum ve RMS gibi istatistiksel özellikler çıkarılmıştır. Toplam 25 özellik kullanılarak her çay örneği sayısal bir özellik vektörü ile temsil edilmiştir. Öznitelik ölçeklerinin dengelenmesi amacıyla Z-skor standardizasyonu uygulanmış, gerekli durumlarda veri boyutunun indirgenmesi için PCA yönteminden faydalanılarak (Abdi ve Williams, 2010; Jolliffe, 2002) modelin kararlılığı artırılmış ve aşırı uyum riski azaltılmıştır. Sınıflandırma için doğrusal çekirdekli ve C=0,1 düzenleme parametresine sahip Destek Vektör Makinesi (SVM) algoritması kullanılmıştır. Çok sınıflı yapı, problemi üç ikili alt modele ayıran ECOC (Error Correcting Output Codes) yaklaşımı ile gerçekleştirilmiştir. Veri seti %70 eğitim, %15 doğrulama ve %15 test olarak ayrılmıştır.
Eğitim aşaması modelin optimum karar sınırlarını öğrenmesini sağlarken, doğrulama aşaması genelleme yeteneğini değerlendirmiş ve test aşaması bağımsız veriler üzerindeki performansı ortaya koymuştur. Model performansının nesnel olarak değerlendirilmesi amacıyla gerçekleştirilen 10-Katlı Çapraz Doğrulama sonucunda modelin ortalama sınıflandırma doğruluğu %61,11 olarak elde edilmiş, %95 güven düzeyinde doğruluk oranının %48,35–%73,87 aralığında değiştiği belirlenmiştir. Ayrıca ürün bazlı karar tutarlılığı analizinde sistem %78,8 oranında mutlak uyum göstermiştir.
Elde edilen sonuçlar, BME688 sensörü ve istatistiksel öznitelik çıkarımına dayalıönerilen yaklaşımın çay kalite değerlendirmesinde güvenilir ve objektif sonuçlar sunduğunu göstermektedir. Böylece çalışma, çay kalite kontrol süreçlerinin dijitalleştirilmesine, ürün standardizasyonunun desteklenmesine ve düşük maliyetli elektronik burun sistemlerinin gıda kalite analizlerinde kullanımına katkı sağlamaktadır.