Development of Internet of Things (IoT) based system for agriculture using machine learning methods
Makine öğrenmesi yöntemlerini kullanarak tarım için Nesnelerin İnterneti (IoT) tabanlı sistem geliştirilmesi
- Tez No: 679371
- Danışmanlar: DOÇ. DR. DERYA BİRANT, DR. ÖĞR. ÜYESİ PELİN YILDIRIM TAŞER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 55
Özet
Nesnelerin İnterneti (IoT), tarım alanında kullanılan yaygın teknolojilerden biri haline gelmiştir. Tarım arazilerindeki toprak sıcaklığı ve toprak neminin tahmini, bitkilerin büyümesi ve gelişmesinde önemli bir role sahiptir. Bu motivasyon göz önünde bulundurularak, bu tezde, IoT sensörleri tarafından toplanan gerçek veri setlerinden toprak sıcaklığını ve toprak nemini tahmin etmek için iki çalışma yapılmıştır. İlk çalışmada, toprak sıcaklığı tahmini sırasında sınıf etiketleri arasındaki ilişkileri (örneğin, düşük, orta, yüksek) dikkate alan, Toprak Sıcaklığı Sıralı Sınıflandırması (STOC) adlı yeni bir yöntem önerilmiştir. Önerilen yaklaşımın etkinliğini göstermek için, beş farklı makine öğrenmesi algoritması (karar ağaçları, Naive Bayes, k-en yakın komşu, destek vektör makineleri ve rastgele orman) kullanarak STOC yöntemi; Amerika Birleşik Devletleri'nin üç eyaletindeki (Utah, Alabama, ve New Mexico) 16 istasyondan IoT sensörleri tarafından 2011 ve 2020 yılları arasında beş toprak derinliğinden (2, 4, 8, 20, ve 40 inç) elde edilen gerçek verilere uygulanmıştır. İkinci çalışmada, üç toprak derinliğinde (15, 30, ve 45 cm) toprak nemini tahmin etmek için akıllı Toprak Nemi Tahmini için Çok-Çıkışlı Regresyon (MOR-SMP) yöntemi uygulanmıştır. Bu yaklaşım, Türkiye İzmir Kemalpaşa-Örnekköy istasyonundan IoT sensörleri tarafından elde edilen toprak verileri ve günlük meteorolojik veriler üzerine dokuz farklı makine öğrenmesi algoritması kullanılarak test edilmiştir. Deneysel sonuçlar, önerilen STOC ve MOR-SMP yöntemlerinin sırasıyla toprak sıcaklığını ve toprak nemini tahmin etmede iyi performans verdiğini göstermiştir. Böylelikle, önerilen yöntemler tarım sektörü için etkin bir şekilde kullanılabilecektir.
Özet (Çeviri)
Internet of Things (IoT) has become one of the common technologies used in the agriculture field. The prediction of soil temperature and soil moisture in agricultural field has a significant role in the growth and development of plants. Considering this motivation, in this thesis, two case studies were performed for predicting soil temperature and soil moisture on real-world datasets collected by IoT sensors. In the first study, a novel method, named Soil Temperature Ordinal Classification (STOC), which considers the relationships between the class labels (i.e., low, medium, high) during soil temperature prediction was proposed. To prove the effectiveness of the proposed approach, we applied the STOC method using five different machine learning algorithms (decision tree, Naive Bayes, k-nearest neighbors, support vector machines, and random forest) to a real-world data obtained by IoT sensors from 16 stations in three states (Utah, Alabama, and New Mexico) of United States at five soil depths (2, 4, 8, 20, and 40 inches) between the years of 2011 and 2020. In the second study, an intelligent Multi-Output Regression for Soil Moisture Prediction (MOR-SMP) method was implemented for estimating soil moisture at three soil depths (15, 30, and 45 cm). This approach was tested by applying nine different machine learning algorithms on daily values of meteorological and soil data obtained by IoT sensors from Kemalpaşa-Örnekköy station in Izmir, Turkey. The experimental results showed that the proposed STOC and MOR-SMP methods achieved good performance in predicting soil temperature and soil moisture, respectively. Hence, they can be effectively used in the agriculture sector.
Benzer Tezler
- Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi
A novel deep learning-based intrusion detection system for internet of things networks
KEMAL AKKANAT
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
PROF. DR. MUHARREM TOLGA SAKALLI
- Enhancing smart environments through an ai-assisted IORT agent
Akıllı ortamların yapay zekâ destekli bir İORT aracısıyla güçlendirilmesi
YAKUP KAYATAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SANEM KABADAYI
- Düşük güçlü ve kayıplı kablosuz sensör ağlarında topolojinin ağ kurulumunda enerji tüketimine etkisi
The effect of network installation on low power and lossy wireless sensor networks on energy consumption
NAMIK CEYLAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Nesnelerin interneti (IoT) tabanlı derin öğrenme ile tarımda sürdürülebilir su yönetimi sisteminin geliştirilmesi
Development of sustainable water management system in agriculture with internet of things (IoT) based deep learning
AHMET ÖZMEN
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAtatürk ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL
- Design and development of an ontology-based hazelnut databank for Turkish hazelnut cultivars using crop-specific open dataset
Türk fındık çeşitleri için ürüne özgü açık veri setleri kullanılarak ontoloji tabanlı fındık veri bankası tasarımı ve geliştirilmesi
DIEAA ALDARA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞAHİN AYDIN