2. Nelere Değineceğiz?
Yapay zeka nedir?
Yapay zeka ne işe
yarar?
Gıda alanında yapay
zeka uygulamaları
nelerdir?
(Fuzzy Logic)Bulanık
mantığın gıda
mühendisliğinde
uygulamaları
Yapay sinir ağlarının
gıda
mühendisliğinde
uygulamaları
Genetik
algoritmaların gıda
mühendisliğinde
uygulamaları
3. Yapay Zeka(YZ) Nedir?
Artificial Intelligence(AI)
• İnsanın düşünme
yöntemlerini analiz ederek
bunların benzeri yapay
yönergeleri geliştirmeye
çalışmaktır.
• insanın zekasını makineye
uyarlamaktır
4.
5. Yapay zeka ne yapar?
• Algılama,
• Öğrenme,
• Çoğul kavramları bağlama,
• Düşünme,
• Fikir yürütme,
• Sorun çözme,
• İletişim kurma,
• Çıkarım yapma ve karar verme
6. Yapay zeka ne işe yarar?
• Otonom kontrolü ve hedef tespiti gibi askeri
uygulamalar
• Bilgisayar oyunları ve robotik hayvanlar gibi eğlence
dünyası
• Bankacılık, sağlık ve sigorta şirketlerinde müşteri
davranışları ve trend tespiti
7. Yapay zeka ne işe yarar?
• Problem çözme, soyut düşünce, bilinçli tümevarım
konusunda
• Prosesi tekrar tazeleyerek anlamamızı ve
sonrasında var olan kapasitemizin üzerine çıkma
konusunda yardımcı olabilir.
8. Furby
• Sahibiyle ve çevresiyle sesli ve
hareketli iletişim kurabilir.
• Furby dili konuşuyor ve Türkçe
öğrenebiliyor.
• müzik duyduğunda dans
ediyor.
• Acıkınca yemek yiyor.
• Karakter oluşumuna sahip.
9. Kişisel Robotlarımız
Nexi Asimo
• insan mimiklerini taklit
edebiliyor
• insanlarla iletişim kurup
• onlara duygusal tepkiler
verebiliyor
• yüz jest ve mimikleri
tanıma özelliği
• duyduğu sesleri işleyebilir
• koşabilir yürüyebilir
10. Diğer yapay zeka uygulamaları
• Sanal bebek
• otomatik park sistemleri
• cruise kontrol sistemleri
• infrared sensörler
• sanal psikiyatrist(ELIZA)
• Yüz algılayıcılı kamera
sistemleri(eagle
eye)(person of interest)
11. Yapay zeka bizim ne işimize yarar?
Gıdalarda;
• ürün derecelendirme ,sınıflandırma
• Proses modelleme ve optimizasyonu
• Kalite kontrolünün izlenmesi
• Görüntünün sayısal verilere dönüştürülmesi
• Ürün tasarımı
• Depolama sistemlerinin kontrolü
• Ürün rekoltesinin tahmini
12. Yapay Sinir Ağları(YSA)
• Yapay sinir ağları=Artificial
neural networks(ANN)
• Yapay sinir ağları bizim
nöronlarımıza benzer yapı
gösterir.
13. Yapay Sinir Ağları(YSA)
• Belirli bir amaç için oluşturulur ve insanlar gibi örnekler
sayesinde öğrenir.
• İçsel ve dışsal uyaranlara bir tepki oluşturur.
• Yani bir çok paralel ve dağıtık hesaplamalarla çözümü
kendileri bulurlar.
• Normal bilgisayarlar ne yapması gerektiği önceden bilir.
• Çalıştırılmadan önce eğitilmeleri gereklidir.
• Hataya karşı duyarlıdırlar.
• Gıdalarda ; sınıflandırma , proses modelleme ve
optimizasyonu kalite kontrolünü sağlar
14. • Ekmek mayası üretiminde biyokütle tahmini
• Antosiyanin içeriklerini belirlenerek şarapların
sınıflandırılması
• Elektronik burun ve biyoreaktör problarla laktoz
,laktat ,galaktoz içeriklerine göre proses
modellemesi
• Antioksidant etkinin incelenmesi
• Peynirin nem miktarının belirlenmesi
• Soğutulmuş sığır etlerinde bakteriyel gelişimin
kontrolü
Gıda Mühendisliğinde
Yapay Sinir Ağları
15. Soğutulmuş Sığır Etinde Mikrobiyolojik Gelişmenin YSA
ile Belirlenmesi (Xiao,Li,2012)
• Soğutulmuş sığır etinde mikrobiyal gelişimi değerlendirmek
• Matlab 7.0 Programı
• Modifiye Gompertz modeli
• Farklı paketleme ve depolama koşullarında bakteriyel gelişim
eğrisi YSA'nın öğrenme sürecinde tahmin edilmiştir
• Göreceli deney verileri ile bu tahmin verilerinin karşılaştırılması
YSA'nın tahminde etkili bir modelleme olduğunu göstermiştir
• Soğutulmuş etlerde--->Pseudomonas,lactobacillus,
• Bacillus thermospacta ve koliform----->oksijen varlığında
• Modifiye atmosfer paketleme ve soğuk koşullar
16. Soğutulmuş Sığır Etinde Mikrobiyolojik Gelişmenin
YSA ile Belirlenmesi (Xiao,Li,2012)
• 1)Örneklerin hazırlanması: Satın alınan et 1°C de taşınıp 1 saatte
laboratuvara alınıp 50-100 gramlık kıyılmış et haline getirilip porsiyonlanmış
• 2)Modifiye atmosferde paketleme:
-2, 0 , 5 ,10 °C ----> depolanıp bekletilmiştir
• 3)mikrobiyal analiz: 25 gram örnek 225 ml steril tuzlu su 60 saniye
oda sıcaklığında stomayerde homojenize edilip 10 kat seyreltilmiştir
• PCA 37°C 48 h sayım için bekletilmiş sonuçlar log cfu/g
17. Soğutulmuş Sığır Etinde Mikrobiyolojik Gelişmenin
YSA ile Belirlenmesi (Xiao,Li,2012)
• 4)Model Analizi:
Birincil model:lineer olmayan regrasyon analizi için
Modifiye Gompertz modeli .MATLAB 7.0
λ-->lag fazı süresi (gün)
µ max --> maksimum spesifik büyüme hızı(1/gün)
t---> depolama süresi
log(No)---> ilk bakteri yoğunluğu
log(Nt) ---> t gündeki bakteri sayısı
18. Soğutulmuş Sığır Etinde Mikrobiyolojik Gelişmenin
YSA ile Belirlenmesi (Xiao,Li,2012)
İkincil model : yapay sinir ağı oluşturma
21. Soğutulmuş Sığır Etinde Mikrobiyolojik Gelişmenin
YSA ile Belirlenmesi (Xiao,Li,2012)
0.9878
Bf =0.9599 ve Af=1.014
22. Bulanık mantık (fuzzy logic)
• Klasik modelleme ve optimizasyon
programları sayısal verileri işlerler
• Bulanık mantık sözel verileri de işler.
• Matematiksel modeli çok zor elde edilen
sistemler için uygundur
23. Bulanık mantık (fuzzy logic)
Klasik mantık(boole logic)
Bir varlık ve ya olgu bir kümenin
elemanıdır veya değildir .
Kümenin elemanı ise 1 , değilse 0
matematiksel değeriyle ifade edilir
Keskin kümeler:
• soğuk ve sıcak
• aydınlık ve karanlık
• sert ve yumuşak
• hızlı ve yavaş
Bulanık mantık
Bulanık küme ve alt kümeler yer alır.
Küme üyeliği kesin tanımlanmamıştır
Bulanık mantıkta varlıkların üyelik
derecesi 0 ile 1 arasında bir değerdir.
Bulanık kümeler:
Soğuk, hafif soğuk,ılık ,sıcak, çok sıcak
gibi
hızlı esnek etkili bir sistemdir dilsel
esnek niteleyiciler kullanır
28. Pizzaların bulanık mantıkla kalite
sınıflandırılması -1 (Sun,2003)
• Pizza tüketiminin artması ile otomatik kontrol sistemlerine
ihtiyaç oluştu.
• Bilgisayar vizyonu
• 20 pizza tabanı
taban alanı ,
uzamsal oran 1=pizza taban alanı/pizza tabanındaki en küçük
yuvarlağın alanı
uzamsal oran 2=pizza alanına sığmayacak en büyük yuvarlağın
alanı/Pizza taban alanı
yuvarlaklık ,
• 25 örnek sos yayılımı için
• sos alanı ve
boş alan oranına göre,
bulanık mantık sistemi oluşturulmuş.
30. PİZZA SOSU YAYILIMI
REDDEDİLİR AZ
SOSLU
İYİ YAYILMIŞ
REDDEDİLİR ÇOK
SOSLU
KABUL EDİLEBİLİR
ÇOK SOSLU
KABUL EDİLEBİLİR
AZ SOSLU
31. Pizzaların bulanık mantıkla kalite
sınıflandırılması -1 (Sun,2003)
• Pizzada taban alanı analizi insan değerlendirmesine
göre % 13 hata vermiş olup
• Sos yayılım analizinin deneysel sonuçları gösteriyor
ki bilgisayar görüntü işleme yöntemi bulanık mantık
sistemi ile birleştirildiğinde %92 doğrulukla
sınıflandırma başarılı olmuştur.
32. Referanslar
• G.S. Mittal, Computerized Control Sytems in Food Indusry,Marcel
Dekker,Inc.,Newyork,1997.
• Xiao H.,Li B.,Predicting the Growth of Bacteria in Chilled Beef
Based on Artificial Neural Networks, International Conference on
Computer Science and Information Processing,S:449-452,2012.
• Allahverdi N.,Uzman Sistemler : Bir Yapay Zeka Uygulaması,Atlas
Yayın Dağıtım, Ankara,2002.
• SOFU A. , DEMiR N., EKiNCi F.Y. ,Gıda Bilimi Teknolojisi Alanında
Yapay Zeka Uygulamaları ,Gıda Kongresi 2005, Ankara.
• http://e-bergi.com/y/Yapay-Sinir-Aglari
• http://tr.wikipedia.org/
• Sun DW and Brosnan T. 2003. Pizza quality evaluation using
computer vision—Part 1 Pizza base and sauce spread.Journal of
Food Engineering, 57: 81–89.
