Bingöl, HarunYıldız, Elif Nur2025-10-242025-10-242024https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=usXiZIM9Lp0wk-YzRoaT-8C4f3ujaJhSaDW-qBMXo3kIrbLghpr1aUq4E6rzK_JJhttps://hdl.handle.net/20.500.12899/1689Lisansüstü Eğitim Enstitüsü, Enformatik Ana Bilim Dalı, Enformatik Bilim DalıDünya genelindeki çarpık kentleşme, sanayileşme ve insanların bilinçsiz bir şekilde hareket etmesi sonucunda atık problemi ortaya çıkmıştır. Bu problem hayatımızı olumsuz etkiler ve kirliliğin olduğu bir ortamda yaşam sürmemizi zorunlu kılar. Bilinçli ya da bilinçsiz rastgele atılan her çöp doğaya karışır. Böylece bu çöplerin doğada kendi kendine çözünmesi yılları alır. Atıkların ayrıştırılması ile çevre kirliliği sorunu en aza indirgenir. Böylece geri dönüşüme katkı sağlanarak ortalama yaşam süresi uzatılmış olur. Yapılan bu çalışma da Derin Öğrenme modelleri ve makine Öğrenme yöntemlerinden yararlanılarak geri dönüşüme olan faydasından bahsedilmiştir. Atık ayrıştırma veri seti kullanılarak çevresel atıkların sınıflandırma işlemi gerçekleşmiştir. Bu çalışmada atık ayrıştırma tespitinde AlexNet, GoogLeNet, ResNet50, DenseNet201, ShuffleNet, SqueezeNet mimarileri ile sonuçlar elde edilmiştir. Sonraki aşama da derin mimarilerden elde edilen özellik haritaları çıkarılmıştır. Sonraki aşama da destek vektör makinelerin sınıflandırma yöntemlerinden sonuçlar alınmıştır. Önerilen hibrit modelden elde edilen deneyler sonucunda en iyi doğruluğun %85.96 değeri olduğu gözlemlenmiştirThe waste problem has emerged worldwide due to distorted urbanization, industrialization, and people's unconscious actions. This problem negatively affects our lives and necessitates living in an environment with pollution. Every piece of randomly discarded waste, whether intentional or unintentional, becomes part of nature. As a result, the self-disposal of these wastes in nature takes years. The environmental pollution problem is minimized by separating the waste. Thus, contributing to recycling extends the average lifespan by reducing environmental pollution. In this study, the benefit of recycling was mentioned by using Deep Learning models and machine learning methods. The classification process of environmental waste was carried out using the waste separation dataset and architectures such as AlexNet, GoogLeNet, ResNet50, DenseNet201, ShuffleNet, SqueezeNet. In the next stage, feature maps obtained from deep architectures were extracted. Results were also obtained from the classification methods of support vector machines. As a result of the experiments obtained from the proposed hybrid model, it was observed that the best accuracy was 85.96%.trinfo:eu-repo/semantics/openAccessMühendislik BilimleriEngineering SciencesMaster Thesis143884177