Nesnelerin interneti tabanlı makine öğrenmesine dayalı seçici sulama sistemi tasarım ve uygulaması
Internet of things based machine learning supported selective irrigation system design and implementation
- Tez No: 742777
- Danışmanlar: DR. ÖĞR. ÜYESİ MAHMUT DURGUN
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
- Bilim Dalı: Mekatronik Bilim Dalı
- Sayfa Sayısı: 86
Özet
Son yıllarda hızlı nüfus artışıyla su tüketiminin artması, iklim değişikliği nedeniyle doğal su kaynaklarının azalması ve bilinçsiz tarımsal sulama sonucunda tatlı su kaynakları için ülkeler arası rekabetin artmasına sebep olmaktadır. Dünya nüfusu hızla artmakta ancak bu artışa paralel olarak tarımsal üretim aynı doğrultuda artmamaktadır. Tarımsal üretimdeki yetersizliğin sebeplerinden bir tanesi geleneksel yöntemlerle sulamanın hala yaygın olarak kullanılmasıdır. Geleneksel tarımsal sulamada, bitkinin ihtiyacından fazla su verilmekte ve suyun birçoğu bitki tarafından kullanılmadan buharlaşmaktadır. Tarımsal üretimde, su kullanımını en uygun seviye de tutmak, enerji tüketimini azaltmak ve mahsullerin kalitesini arttırmak için tarımsal sulamada akıllı teknolojilere olan ihtiyaç her geçen gün artmaktadır. Bu tez çalışmasında; tarımsal sulamada su kullanımını verimli hale getirilmektedir. Bitkiye özgü sulama programı oluşturacak nesnelerin interneti tabanlı ve makine öğrenmesine dayalı bir sistem tasarımı gerçekleştirilmiştir. Toprak nem verileri Kablosuz sensör ağ (WSN) tabanlı sistemi ile toplanmıştır. Seçici Sulama Sisteminin (SSS) karar verme mekanizmasına yardımcı olarak, FAO CROPWAT programı tarafında bitkilere özgü oluşturulan sulama suyu verileri kullanılmıştır. Elde edilen veriler doğrultusunda, bitkiye özgü sulama suyu miktarı, regresyon algoritmaları uygulanarak tahmin edilmiştir. Makine öğrenmesi ile elde edilen veriler MQTT protokolü ile NodeMCU işlemcisine gönderilerek suyun geçişine izin veren Selenoid Valflerin kontrolü sağlamıştır. Sistemde damla sulama yöntemi kullanılacaktır. Çalışmamızın enerji ihtiyacı Fotovoltaik (FV) sistemden elde edilmiştir.
Özet (Çeviri)
In recent years, the increase in water consumption due to rapid population growth, the decrease in natural water resources due to climate change and the unconscious agricultural irrigation result in an increase in competition between countries for fresh water resources. The world population is increasing rapidly, but in parallel with this increase, agricultural production does not increase in the same direction. One of the reasons for the inadequacy in agricultural production is the widespread use of irrigation with traditional methods. In traditional agricultural irrigation, more water is given than the plant needs and most of the water evaporates without being used by the plant. In agricultural production, the need for smart technologies in agricultural irrigation is increasing day by day in order to keep water use at the most appropriate level, reduce energy consumption and increase the quality of crops. In this thesis study; The use of water in agricultural irrigation is made efficient. An internet-based and machine-learning system design was carried out to create a plant-specific irrigation program. Soil moisture data was collected with a Wireless sensor network (WSN) based system. To assist the decision-making mechanism of the Selective Irrigation System (SSS), irrigation water data generated specifically for plants by the FAO CROPWAT program were used. In line with the data obtained, the amount of plant-specific irrigation water was estimated by applying regression algorithms. The data obtained by machine learning was sent to the NodeMCU processor with the MQTT protocol, allowing the control of the Solenoid Valves that allow the passage of water. Drip irrigation method will be used in the system. The energy requirement of our study was obtained from the Photovoltaic (FV) system.
Benzer Tezler
- On an efficient implementation of combined true random number generator and physically unclonable function on a SoC FPGA
Bir SoC FPGA üzerinde kombine gerçek rastgele sayı üreteci ve fiziksel olarak klonlanamayan fonksiyonun verimli bir uygulaması üzerine
YUNUS EMRE YILMAZ
Doktora
İngilizce
2024
MatematikOrta Doğu Teknik ÜniversitesiKriptografi Ana Bilim Dalı
DOÇ. DR. OĞUZ YAYLA
- Diş röntgen görüntülerinde hastalık ve materyal tespiti için makine öğrenmesine dayalı yaklaşımlar
Machine learning-based approaches for disease and material detection in dental x-ray images
ANDAÇ İMAK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Mariot: an authoring framework for creating iot applications with mobile augmented reality
Marıot: mobil artırılmış gerçeklik ile nesnelerin interneti uygulamaları üretmek için bir yapılandırma çerçevesi
MERAL KUYUCU
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Kestirimci bakım sistemlerinde veri artırma yöntemlerinin geliştirilmesi ve bir uygulaması
Development of data augmentation methods for predictive maintenance systems and an application
SENA KALAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EYÜP ÇİNAR
PROF. DR. İNCİ SARIÇİÇEK
- Machine learning based multi-scale joint forecasting-scheduling for the internet of things
Nesnelerin interneti için makine öğrenmesi tabanlı çok ölçekli bütünleşik tahminleme-çizelgeleme
MERT NAKIP
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN RODOPLU
PROF. DR. CÜNEYT GÜZELİŞ