gıda mühendisliğinde yapay zeka ve uygulamaları
TRANSCRIPT
GIDA MÜHENLİSLİĞİNDE YAPAY ZEKA VE
UYGULAMALARI
Hazırlayan : Özlem Tuğrul
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
Yapay Zeka(YZ) Nedir?
Artificial Intelligence(AI)
• İnsanın düşünme yöntemlerini analiz ederek bunların benzeri yapay yönergeleri geliştirmeye çalışmaktır.• insanın zekasını makineye
uyarlamaktır
Yapay zeka ne yapar?• Algılama, • Öğrenme, • Çoğul kavramları bağlama, • Düşünme, • Fikir yürütme, • Sorun çözme,• İletişim kurma, • Çıkarım yapma ve karar verme
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
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.
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.
Kişisel RobotlarımızNexi Asimo
• insan mimiklerini taklit edebiliyor
• insanlarla iletişim kurup • onlara duygusal tepkiler
verebiliyor
• yüz jest ve mimikleri tanıma özelliği
• duyduğu sesleri işleyebilir• koşabilir yürüyebilir
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)
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
Yapay Sinir Ağları(YSA)• Yapay sinir ağları=Artificial
neural networks(ANN)• Yapay sinir ağları bizim
nöronlarımıza benzer yapı gösterir.
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
• 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
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
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
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 yoğunluğulog(Nt) ---> t gündeki bakteri sayısı
Soğutulmuş Sığır Etinde Mikrobiyolojik Gelişmenin YSA ile Belirlenmesi (Xiao,Li,2012)
İkincil model : yapay sinir ağı oluşturma
Modifiye Gompertz modeli ile ortaya çıkan eğri
Toplam canlı sayımı değişkenleri %65 Oksijen modifiye atmosfer
Soğutulmuş Sığır Etinde Mikrobiyolojik Gelişmenin YSA ile Belirlenmesi (Xiao,Li,2012)
0.9878
Bf =0.9599 ve Af=1.014
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
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
Bulanık mantık (fuzzy logic)
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.
PİZZA TABANI
STANDART KÖTÜ PRESLENMİŞ
KÖTÜDAĞILIMLI AKIŞKAN TABAN
PİZZA SOSU YAYILIMI
REDDEDİLİR AZ SOSLU
İYİ YAYILMIŞ
REDDEDİLİR ÇOK SOSLU
KABUL EDİLEBİLİR ÇOK SOSLU
KABUL EDİLEBİLİR AZ SOSLU
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.
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.
TEŞEKKÜRLER