ASLI AKILLI
(Ahi Evran Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü Kırşehir, Türkiye)
HÜLYA ATIL
(Ege Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü, İzmir, Türkiye)
HARUN KESENKAŞ
(Ege Üniversitesi, Ziraat Fakültesi, Süt Teknolojisi Bölümü, İzmir, Türkiye)
Yıl: 2014Cilt: 20Sayı: 2ISSN: 1300-6045 / 1309-2251Sayfa Aralığı: 223 - 229Türkçe

274 2
Çiğ süt kalite değerlendirmesinde bulanık mantık yaklaşımı
Gelişen toplum yapısı ile birlikte gerçek hayatta yaşanılan sorunlar ve olaylara bakış açıları da değişmektedir. İnsanlar sorunlarını sahip oldukları sözel ve sayısal verileri kullanarak çözmekte ve bunun için çeşitli yöntemlerden yararlanmaktadırlar. Matematiksel yöntemler insanlara kesinlik içeren durumlarda sorunların çözümlenmesinde sayısal verileri analiz ederek yardımcı olurken, belirsizlik içeren durumlarda yetersiz kalabilmektedir. Son yıllarda kalite değerlendirilmesi gibi belirsizlik içeren durumlarda ortaya çıkan problemlerin çözümünde sıklıkla kullanılan bulanık mantık, yapay zeka yöntemlerinden bir tanesidir. Klasik mantık teorisine göre daha esnek bir yapıya sahip olan bulanık mantık teorisi, olayları nesnelere “0” ve “1” arasında atadığı doğruluk dereceleri ile açıklamakta böylece sözel ve sayısal veriler arasında bir bağ oluşturmaktadır. Bu çalışmada, çiğ süt örneklerinin kalite sınıflarına ayrılmasını amaçlayan bulanık mantık tabanlı bir karar destek sistemi geliştirilmiştir. Sistemin girdileri çiğ süt örneklerine ilişkin toplam bakteri sayısı, somatik hücre sayısı ve protein miktarlarının ölçülen değerleridir. Tasarlanan bulanık sistemin çıktısı ise çiğ süt kalite değerlendirmesi şeklindedir. Yapılan analizin başarısını belirlemek amacıyla uzman kararları ile karşılaştırma yapılmış ve sistemin %80 değerinde başarılı olduğu görülmüştür. Sistemin
Fen > Mühendislik > Bilgisayar Bilimleri, Teori ve Metotlar
Fen > Mühendislik > Mühendislik, Makine
Sosyal > Mantık
DergiAraştırma MakalesiErişime Açık
  • Anonymous: Türk gıda kodeksi çiğ süt ve ısıl işlem görmüş sütler tebliği (No: 2000/6).
  • Suriyasathaporn W, Vinitketkumnuen U, Chewonarin T, Boonyayatra S, Kreausukon K, Schukken YH: Higher somatic cell counts resulted in higher malondialdehyde concentrations in raw cows’ milk. Int Dairy J, 16 (9): 1088-1091, 2006.
  • Kesenkaş H, Akbulut N: İzmir ilinde satılan sokak sütleri ile orta ve büyük ölçekli çiftliklerde üretilen sütlerin özelliklerinin belirlenmesi. Ege Üniv Ziraat Fak Derg, 47 (2): 161-169, 2010.
  • Tekeli T: Kaliteli süt, AB sürecinde kaliteli süt üretimi ve somatik hücre sayısı. s.8-18, Konya Ticaret Borsası Yayını, Konya, 2005.
  • Tekeli T: Mastitis, AB sürecinde kaliteli süt üretimi ve somatik hücre sayısı. s.19-35, Konya Ticaret Borsası Yayını, Konya, 2005.
  • Metin M: Süt Teknolojisi: Sütün Bileşimi ve İşlenmesi. Ege Üniv. Basımevi, İzmir, 2012.
  • Scherrer D, Corti S, Muehlherr JE, Zweifel C, Stephan R: Phenotypic and genotypic characteristics of Staphylococcus aureus isolates from raw bulk-tank milk samples of goats and sheep. Vet Microbioly, 101 (2): 101-107, 2004.
  • Akın N: Çiğ Süt Kalitesi ve Süt İşletmelerinde Hijyen Prosedürleri. AB Sürecinde Kaliteli Süt Üretimi ve Somatik Hücre Sayısı. Konya Ticaret Borsası Yayını, s.60-76, Konya, 2005.
  • Yılmaz S, Gönülalan Z: Kayseri bölgesinde tüketime sunulan çiğ sütlerde Staphylococcus aureus ve enterotoksin varlığının araştırılması. Erciyes Üniv Sağlık Bil Enst Sağlık Bil Derg, 19 (1): 26-33, 2010.
  • Wang L: A Course in Fuzzy Systems and Control. Prentice Hall, New Jersey, 424 p, 1997.
  • Zadeh LA: Fuzzy sets. Inform Control, 8 (3): 338-353, 1965.
  • Şen Z: Bulanık (Fuzzy) Mantık ve Modelleme İlkeleri. Bilge Kültür Sanat Yayınları, İstanbul, 2001.
  • Ross TJ: Fuzzy Logic with Engineering Applications. John Wiley&Sons Ltd, Chichester, 628 p, 2004.
  • Negnevitsky M: Artificial Intelligence, A Guide to Intelligent Systems. Pearson Education, Harlow, 415 p, 2002.
  • Baykal N, Beyan T: Bulanık Mantık Ilke ve Temelleri. Bıçaklar Kitabevi, Ankara, 2004.
  • Uğur A: Yapay Zeka. Ege Üniversitesi Bilgisayar Mühendisliği Yapay Zeka Ders Notları. http://yzgrafik.ege.edu.tr/~ugur, Erişim tarihi: 05.06.2011.
  • Hassan Md R, Hossain MM, Begg RK, Ramamohanarao K, Morsi Y: Breast-cancer identification using HMM-fuzzy approach. Comput Biol Med, 40 (3): 240-251, 2010.
  • Esposito M, De Falco I, De Pietro G: An evolutionary-fuzzy DSS for assessing health status in multiple sclerosis disease. Int J Med Inform, 80 (12): 245-254, 2011.
  • Anooj PK: Clinical decision support system: Risk level prediction of heart disease using weighted fuzzy rules. J King Saud Univ Comput Inf Sci, 24 (1): 27-40, 2012.
  • Uzoka FME, Obot O, Barker K, Osuji J: An experimental comparison of fuzzy logic and analytic hierarchy process for medical decision support systems. Comput Meth Prog Bio, 103 (1): 10-27, 2011.
  • Saleh AAE, Barakat SE, Awad AAE: A fuzzy decision support system for management of breast cancer. Int J Adv Comput Sci Appl, 2 (3): 34-40, 2011.
  • Strasser M, Lacroix R, Kok R, Wade KM: A second generation decision support system for the recommendation of dairy cattle culling decisions. http://www.mcgill.ca/files/animal/97r04.pdf, Accessed: 05.06.2011.
  • Wade KM, Lacroix R, Strasser M: Fuzzy logic membership values as a ranking tool for breeding purposes in dairy cattle. Proceedings of the 6th World Congress on Genetics Applied to Livestock Production, 11-16 Jan 1998, 27, 433-436, Armidale, Australia, 1998.
  • Firk R, Stamer E, Junge W, Krieter J: Improving oestrus detection by combination of activity measurements with information about previous oestrus cases. Livest Prod Sci, 82 (1): 97-103, 2003.
  • Zarchi HA, Jonsson R, Blanke M: Improving oestrus detection in dairy cows by combining statistical detection with fuzzy logic classification. http://orbit.dtu.dk/fedora/objects/orbit:56420/datastreams/ file_4054429/content, Accessed: 19.04.2013.
  • Memmedova N, Keskin İ: İneklerde bulanık mantık modeli ile hareketlilik ölçüsünden yararlanılarak kızgınlığın tespiti. Kafkas Univ Vet Fak Derg, 17 (6): 1003-1008, 2011.
  • de Mol RM, Woldtf WE: Application of fuzzy logic in automated cow- status monitoring. J Dairy Sci, 84, 400-410, 2001.
  • Cavero D, Tölle KH, Buxade C, Krieter J: Mastitis detection in dairy cows by application of fuzzy logic. Livest Prod Sci, 105, 207-213, 2006.
  • Kramer E, Cavero D, Stamer E, Krieter J: Mastitis and lameness detection in dairy cows by application of fuzzy logic. Livest Prod Sci, 125, 92-96, 2009.
  • Traulsen I, Krieter J: Assessing airborne transmission of foot and mouth disease using fuzzy logic. Expert Syst Appl, 39 (5): 5071-5077, 2012.
  • Grinspan P, Edan Y, Kahn HE, Maltz E: A fuzzy logic expert system for dairy cow transfer between feeding groups. Trans Am Soc Agric Eng, 37, 1647-1654, 1994.
  • Morag I, Edan Y, Maltz E: An individual feed allocation decision support system for the dairy farm. J Agric Engng Res, 79 (2): 167-176, 2001.
  • Harris J: Raw milk grading using fuzzy logic. Int J Dairy Technol, 51 2): 52-56, 1998.
  • Görgülü Ö: Bulanık mantık (Fuzzy Logic) teorisi ve tarımda kullanım olanakları üzerine bir araştırma. Doktora Tezi, Mustafa Kemal Üniv. Fen Bil. Enst., 2007.
  • Cha M, Park ST, Kim T, Jayarao BM: Evaluation of bulk tank milk quality based on fuzzy logic. Proceedings of the 2008 International Conference on Artificial Intelligence, 14-17 July 2008, pp.722-727, Las Vegas, Nevada, USA. http://nguyendangbinh.org/Proceedings/ IPCV08/Papers/MLM3028.pdf, Accessed: 05.06.2011.
  • Akkaptan A: Hayvancılıkta bulanık mantık tabanlı karar destek sistemi. Yüksek Lisans Tezi, Ege Üniv. Fen Bil. Enst., 2012.
  • Mehraban SM, Mohebbi M, Shahidi F, Vahidian KA, Qhods RM: Application of fuzzy logic to classify raw milk based on qualitative properties. Int J Agri Sci, 2 (12): 1168-1178, 2012.
  • Elmas Ç: Bulanık Mantık Denetleyiciler. Seçkin Yayıncılık, Ankara, 2003.
  • Arslan A, Kaya M: Determination of fuzzy logic membership unctions using genetic algorithms. Fuzzy Set Syst, 118 (2): 297-306, 2001.
  • Bağış A: Determining fuzzy membership functions with tabu search an application to control. Fuzzy Set Syst, 139 (1): 209-225, 2003.
  • Jiang H, Deng H, He Y: Determination of fuzzy logic membership unction using extended ant colony optimization algorithm. Fifth nternational Conference on Fuzzy Systems and Knowledge Discovery FSKD). 1, 581-585, Shandong, China, 18-20 October, 2008.
  • Acilar M, Arslan A: Optimization of multiple input-output fuzzy membership functions using clonal selection algorithm. Expert Syst Appl, 38 (3): 1374-1381, 2011.
  • Sivanandam SN, Sumathi S, Deepa SN: Introduction to Fuzzy Logic Using MATLAB. Springer, Berlin, 430 p, 2007.

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © 2019 Tüm Hakları Saklıdır.