gıda mühendisliğinde yapay zeka ve uygulamaları

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

http://www.avatargeneration.com/wp-content/uploads/2012/10/robot.jpg

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


• 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


İkincil model : yapay sinir ağı oluşturma

Modifiye Gompertz modeli ile ortaya çıkan eğri

Toplam canlı sayımı değişkenleri %65 Oksijen modifiye atmosfer


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


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

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