Bilgi Paketi / Ders Kataloğu
Akıllı Gıda İşleme Sistemleri
Ders Kodu: ST320
Ders Türü: Seçmeli
Ders Grubu: Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 2
Uyg.: 0
Kredi: 2
Laboratuvar: 0
AKTS: 2
Amaç

Bu dersin amacı, gıda işleme teknolojilerine yapay zeka, nesnelerin interneti (IoT), makine öğrenmesi ve otomasyon sistemlerinin entegrasyonunu anlamak ve bu teknolojilerin gıda güvenliği, kalite kontrolü, enerji verimliliği ve izlenebilirlik gibi süreçlerde nasıl uygulandığını öğrenmektir. Öğrencilerin, yenilikçi gıda üretim sistemlerini analiz edebilmeleri ve kendi dijital çözümlerini tasarlayabilmeleri hedeflenmektedir.

Özet İçerik

Akıllı sistemlerin temel kavramları Gıda işleme endüstrisinde dijital dönüşüm IoT temelli üretim takibi ve kalite kontrolü Yapay zeka ve makine öğrenmesi uygulamaları Görüntü işleme, robotik ve otomasyon Gerçek zamanlı veri toplama ve işleme Akıllı sensör sistemleri Endüstri 4.0 ve Gıda 4.0 kavramları Akıllı fabrikalar ve siber-fiziksel sistemler Uygulama örnekleri ve vaka analizleri

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Gıda işleme sistemlerinde kullanılan dijital ve akıllı teknolojileri tanımlar.
2.Yapay zeka ve IoT tabanlı sistemlerin gıda endüstrisine etkisini analiz eder.
3.Akıllı sensörler ve veri toplama araçlarını sınıflandırır ve değerlendirir.
4.Görüntü işleme ve otomasyon sistemlerini gıda kalite kontrolünde uygular.
5.Endüstri 4.0 çerçevesinde sürdürülebilir ve yenilikçi üretim sistemlerini yorumlar.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Rasooly, A., & Herold, K. E. (Eds.). Biosensors and Biodetection: Methods and Protocols – Springer, 2017.
2.Zhang, Y., & Kovacs, G. (Eds.). Smart Sensors for Real-Time Water Quality Monitoring – CRC Press, 2020.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Giriş: Akıllı sistemler ve Endüstri 4.0
2. Hafta - Teorik
IoT temelleri ve gıda proseslerine uygulamaları
3. Hafta - Teorik
Akıllı sensörler: Türleri ve veri toplama teknikleri
4. Hafta - Teorik
Görüntü işleme sistemleri ve kalite değerlendirme
5. Hafta - Teorik
Yapay zeka algoritmalarına giriş
6. Hafta - Teorik
Makine öğrenmesi ile tahmin ve sınıflandırma
7. Hafta - Teorik
Gıda üretiminde otomasyon sistemleri
8. Hafta - Teorik
Gıda işleme endüstrisinde dijitalleşme
9. Hafta - Teorik
Robotik uygulamalar: Seçim, paketleme, taşıma
10. Hafta - Teorik
Gerçek zamanlı izleme ve veri analitiği
11. Hafta - Teorik
Akıllı paketleme ve izlenebilirlik sistemleri
12. Hafta - Teorik
Vaka çalışmaları: Süt, meyve suyu, et ürünleri
13. Hafta - Teorik
Gıda 4.0 kavramı ve gelecekteki uygulamalar
14. Hafta - Teorik
Öğrenci sunumları / proje tartışmaları
Değerlendirme
Değerlendirme TürüAdetYüzde
Derse Katılım (Performans)1%5
Kısa Sınav (Quiz)1%5
Ara Sınav (Vize)1%30
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders140228
Kısa Sınav1224
Ara Sınav1426
Dönem Sonu Sınavı1426
TOPLAM İŞ YÜKÜ (Saat)44
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
OÇ-1
5
5
5
4
5
4
OÇ-2
5
5
5
4
5
4
OÇ-3
5
5
5
4
4
4
5
4
OÇ-4
5
5
5
4
5
OÇ-5
5
5
5
5
4
5
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026