Önerilen çalışma, derin öğrenme ağ mimarilerinden ResNet50 ve DenseNet201 ağlarının öğrenme aktarımı kapsamında 11 sınıflı kuruyemiş görüntülerinden oluşan veri setinden anlamlı özelliklerin çıkarılmasında kullanılmasını ve elde edilen özellik kümeleri üzerinden karar destek makineleri ile ürünlerin yüksek doğrulukta sınıflandırılmasını araştırmaktadır. Ayrıca çalışma kapsamında özellik seviyesi füzyonu yaklaşımıyla, iki farklı ön eğitimli ağdan elde edilen özelliklerin birleştirilmesi ile oluşturulan yeni özellik veri kümesinin, sınıflandırılma performansına olan etkisi de incelenmiştir. Sonuçların validasyonu için deneyler 5 katlı çapraz doğrulama tekniği kapsamında gerçekleştirilmiştir. Sınıflandırma sonuçları incelendiğinde, ResNet50 ve DenseNet201, Füzyon mimarileri kullanılarak çıkarılan özelliklerin doğrusal çekirdekli karar destek makineleri ile sınıflandırılması neticesinde sırasıyla %97,86, %98,09 ve %98,68 sınıflandırma doğrulukları elde edilmiştir.