| Yazarlar (1) |
Dr. Öğr. Üyesi Muhammed Akif YENİKAYA
Kafkas Üniversitesi, Türkiye |
| Özet |
| Kentleşme ve ekonomik kalkınmadaki hızlı büyüme, evsel atıklarda önemli bir artışa yol açarak sürdürülebilir atık yönetimi süreçlerinin geliştirilmesi gerekliliğini ortaya koymuştur. Geleneksel atık ayrıştırma yöntemleri manuel süreçlere dayanmakta, bu ise yüksek işçilik maliyetlerine ve düşük verimliliğe yol açmaktadır. Bu durum, özellikle yoğun nüfuslu bölgelerde atık yönetim sistemlerini çevresel ve ekonomik açıdan daha az sürdürülebilir kılmaktadır. Ayrıca, bu yöntemler geri dönüşüm süreçlerinin verimliliğini azaltmakta ve atıkların türlerine göre doğru şekilde ayrılmasını zorlaştırarak değerli kaynakları israf etmektedir. Manuel yöntemlerin zaman alıcı doğası ve insan hatası riski, bu süreçleri iyileştirmek için teknolojik çözümler gerektirmektedir. Bu bağlamda, yapay zekâ tabanlı teknolojiler, atık yönetimi süreçlerinde önemli bir rol üstlenmektedir. Yapay zekâ, hızlı ve doğru ayrıştırma süreçleri sayesinde insan hatalarını en aza indirerek maliyetleri düşürmekte ve verimliliği artırmaktadır. Bu çalışmada, Evrişimsel Sinir Ağı (Convolutional Neural Network-CNN) modellerini eğitmek için geri dönüştürülebilir ve organik atık olarak sınıflandırılmış 22.564 görüntü içeren halka açık bir veri kümesi kullanılmıştır. Modellerin performansı, doğrulama doğruluğu ve doğrulama kaybı gibi ölçütler kullanılarak değerlendirilmiştir. Bulgular, Optimize Edilmiş Evrişimsel Sinir Ağı (Optimized Convolutional Neural Network-OCNN) modelinin %90,41’lik bir doğrulama doğruluğu ile üstün genelleme kapasitesi elde ettiğini ve %88,26’ya ulaşan geleneksel CNN modelinden daha iyi performans gösterdiğini ortaya koymaktadır. Bu çalışma, yenilikçi yöntemler kullanarak atık yönetiminde çevresel sürdürülebilirliği artırmayı ve ekonomik verimliliği iyileştirmeyi amaçlamaktadır. Önerilen yaklaşımlar, atık sınıflandırma süreçlerinin verimliliğini artırmak, böylece doğal kaynakların korunmasını desteklemek ve daha yüksek geri dönüşüm oranlarını teşvik etmek için geliştirilmiştir. |
| Anahtar Kelimeler |
| Makale Türü | Özgün Makale |
| Makale Alt Türü | Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayımlanan tam makale |
| Dergi Adı | Fiscaoeconomia |
| Dergi ISSN | 2564-7504 |
| Dergi Tarandığı Indeksler | TR DİZİN |
| Makale Dili | Türkçe |
| Basım Tarihi | 05-2025 |
| Cilt No | 9 |
| Doi Numarası | 10.25295/fsecon.1607759 |
| Makale Linki | https://doi.org/10.25295/fsecon.1607759 |
| Atıf Sayıları |
