Görüntüden Mantar Türü Sınıflandırma ve Zehirlilik Analizi

Problem

Araştırma amaçlı geliştirilen uygulamanın hedefi, görüntüden mantar türünü tanımak ve zehirlilik bilgisi sunmaktı. Alanın doğası gereği asıl tasarım problemi doğruluk değil, yanlışın maliyetiydi: zehirli bir türü yenilebilir sanmak kabul edilemez bir hata sınıfıdır.

Yaklaşım

• Tür sınıflandırma modeli PyTorch ile eğitildi; benzer görünümlü tür çiftleri (klasik karışma vakaları) için hedefli veri artırma yapıldı.
• Asimetrik eşik tasarımı: zehirli/yenilebilir ayrımında model, düşük güvende daima “emin değilim — uzman doğrulaması gerekir” cevabına düşer. Yanlış-güvenli hata, yanlış-tehlikeli hatadan katbekat pahalı puanlandı.
• Arayüz güvenlik öncelikli kuruldu: sonuç ekranı tür tahmini kadar, benzer tehlikeli türleri ve karışma uyarısını da gösterir.
• FastAPI servis katmanı ve React arayüzüyle uçtan uca teslim edildi.

Sonuç

Proje; yüksek riskli sınıflandırma problemlerinde eşik ve arayüz tasarımının model kadar önemli olduğunun ders kitabı örneği oldu ve sonraki sağlık/güvenlik projelerimizin “emin değilsen insana sor” ilkesini şekillendirdi.