Balık Türü Tespitinde Optimizasyon Yaklaşımları: Görüntü İşleme, Makine Öğrenmesi ve Çok Kriterli Karar Verme Yöntemleri Üzerine Bir Derleme

Abstract

Balık türlerinin doğru ve otomatik tespiti, hem ekosistem izleme hem de sürdürülebilir balıkçılık yönetimi açısından kritik öneme sahiptir. Bu çalışma, balık türü tespiti amacıyla kullanılan geleneksel yöntemler, görüntü işleme teknikleri, makine öğrenmesi ve optimizasyon yaklaşımlarını kapsamlı bir şekilde derlemektedir. Geleneksel morfometrik ve meristik analizlerin sınırlılıklarına karşı, derin öğrenme tabanlı modellerin (CNN, YOLO, ResNet) görüntü tabanlı sınıflandırmada yüksek doğruluk sağladığı görülmektedir. Ayrıca, parametre optimizasyonu için Genetik Algoritma ve Bayesian optimizasyon gibi tekniklerin başarıyı artırdığı belirlenmiştir. Bununla birlikte, yöntem seçiminde çok sayıda performans kriterinin dikkate alınması gerekliliği, Çok Kriterli Karar Verme (ÇKKV) yöntemlerinin entegrasyonunu gerekli kılmaktadır. TOPSIS, AHP ve VIKOR gibi yöntemlerle sınıflandırma algoritmaları ve öznitelik setleri çok boyutlu olarak değerlendirilmiş; literatürde bu yaklaşımların örnek uygulamaları sunulmuştur. Sonuç olarak, balık türü tespitinde makine öğrenmesi ile MCDM yöntemlerinin entegre edilmesi, daha dengeli ve karar destek odaklı sistemlerin geliştirilmesi açısından umut vaat etmektedir.