Balıkların iç kulaklarındaki labirent organda yarım daire kanalları içerisinde yer alan otolitler denge ve işitme ile ilgili işleve sahiptirler. Otolitler türe özgü şekilleri sayesinde tür ayrımında kullanılabilen karakterlerdendir. Bu çalışmada Türkiye tatlı su balık faunasını oluşturan türlerin otolitleri ile bir veri kütüphanesi oluşturuluştur. Otolit görüntüsünden hareketle o otolitin hangi türe ait olduğunun belirlenmesi amacıyla EfficientNet, MobileNet, ResNet-101 ve ShuffleNetV1 derin öğrenme yöntemleri kullanılarak analiz edilmiştir. Veri seti hazırlama aşamasında 16 örnekten az görüntüye sahip sınıflar göz ardı edilmiştir. Model eğitim aşamasında veri çeşitliliği artırmak için ShiftScaleRotate, RandomBrightnessContrast ve RandomFlip isimli veri büyütme (augmentation) yöntemleri %50 olasılıkla uygulanmıştır. Dört farklı derin modeli ile yapılan eğitimlerin sonucunu değerlendirmek üzere Precision (Kesinlik), Recall (Duyarlılık) ve F1-Score metrikleri kullanılmış olup en düşük değerler sırasıyla 0.963278, 0.944828 ve 0.947007 olarak belirlenmiştir. Her model için karmaşıklık matrisi (confusion matrix) hesaplanmıştır. Elde edilen sonuçlara göre oluşturulan sistem sayesinde otolit görüntü analizi sayesinde yüksek bir doğrulukta tür belirlemeye gidilebildiği ortaya konmuştur. Hazırlanan web sayesinde bu alanda çalışan bilim insanlarının kendi görüntülerini analiz etmeleri ve veri eklemeleri yapılabilmektedir. Sistemin stabil ve başarılı bir şekilde çalışması test edildiğinden, Türkiye’deki diğer türlere ait otolit görüntüleri veri kütüphanesine eklenerek kütüphanenin zenginleştirilmesi gerekmektedir.
Demo sayfası üzerinden EfficientNet-B0 modelini test edilebilmektedir.