Smart farming applications
Akıllı tarım uygulamaları
- Tez No: 771050
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜN PINARER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
İklim değişikliği, küresel ısınma ve nüfus artışıyla beraber tarımsal problemler daha da büyümüş ve klasik tarımla beraber gıda sürdürülebilirliği risk altına girmiştir. Bu sebeple, her alanda olduğu gibi tarımda da dijitalleşmeye yönelinmiştir. Tarımı daha sürdürülebilir hale getirme, zamanı ve kaynakları daha verimli kullanma gibi konularda üreticilere kritik avantajlar sağlayan, etkili bir yaklaşım olmuştur. Tarımda dijitalleşmede asıl amaç bilgi ve veri teknolojilerine başvurarak karmaşık tarım sistemlerini optimize etmektir. Akıllı tarımın temelinde Nesnelerin İnterneti teknolojisi yer almaktadır. Bununla beraber akıllı tarımın odak noktası sıcaklık, nem gibi verilere gerçek zamanlı olarak erişip, toplanan verilerin işe yarar bir şekilde işlenmesidir. Yani farklı sensörler kullanılarak toplanan verilerin makina öğrenimiyle işlenmesi, toplanan bilgilerin anlamlı ve kullanılabilir hale getirilmesidir. Benim bu projemin amacı da sensörler aracılığıyla toplanan sıcaklık ve nem değerlerini anlık gözlemleyerek, tarıma elverişli optimum değerleri belirlemek ve eşik noktasının aşılması halinde biran önce önlem almak. Bunun için ise DHT11 sensörü, ESP8266 ve Google Cloud kullanılmıştır. Günümüzde, bulut teknolojileri endüstriyel ve tarım alanlarında kullanılan cihaz ve makinelerden toplanan verilerin gerçek zamanlı olarak takip edilmesinde etkili çözümler sağlamaktadır. Toplanan verilerin bulut platformlarına aktarılabilmesi için farklı türden ağ geçitlerinden yararlanılmaktadır. Çalışmada tasarlanan ağ geçidinin performans analizi için ise MQTT sunucusu olarak Mosquitto kullanılmıştır. Sensör uygulamalarıma ek olarak, yetiştirilen marul yapraklarındaki hastalığı tespit etmek için makine öğrenmesi yöntemleri kullanılmıştır. Bitki hastalıklarının tespiti, tarımda teknoloji kullanımı alanında en çok uygulanan gelişmelerden biridir. Klasik makine öğrenmesi algoritması kullanılarak bir bitki yaprağının sağlıklı mı yoksa sağlıksız mı olduğunun tespit edilmesi yaklaşımında ilk olarak görüntü işleme teknikleri kullanılarak veriler ön işleme tabi tutulmuştur.
Özet (Çeviri)
With climate change, global warming and population growth, agricultural problems grew and product sustainability came under risk with classical agriculture. For this reason, digitalization has been directed in agriculture. It has been an effective approach that provides critical advantages to producers to make agriculture more sustainable. The main purpose of digitalization in agriculture is optimizing complex agricultural systems by applying information and data technologies. The basis of smart agriculture is the IoT technologies. However, the focus of smart agriculture is accessing data such as temperature and humidity in real time and processing collected data in useful way. The processing of data collected by using different sensors with machine learning is making the collected information meaningful and usable. The purpose of my project is instantly observing the temperature and humidity values collected through sensors, determining the optimum values suitable for agriculture and taking action as soon as the threshold point is exceeded. So DHT11 sensor, ESP8266 and Google Cloud are used for this. Today, cloud technologies provide effective solutions for real-time monitoring collected data from devices and machines. Different types of gateways are used transfering the collected data to cloud platforms. Here mosquitto was used as the MQTT server for the performance analysis. Near this machine learning methods used detecting disease in grown lettuce leaves. Detection of plant diseases is one of the most applied developments in agriculture determining whether the plant's leaves are healthy or ill. For this the data were preprocessed by image processing techniques using machine learning algorithm.
Benzer Tezler
- Gelişmiş makine öğrenimi teknikleri ile çok zamanlı hava ve uydu görüntüleri kullanılarak mısır (Zea mays) türlerinin fenoloji tabanlı sınıflandırılması
Phenology- based classification of maize (Zea mays) species using multi̇- temporal aerial and satellite imagery with advanced machine learning techniques
OSMAN YAVUZ ALTUNTAŞ
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL ÇÖLKESEN
- Evaluation of smart and vertical systems in urban farming via fuzzy mcdm methods
Şehir tarımında akıllı ve dikey sistemlerin çökv yöntemleriyle değerlendirilmesi
MURAT BAŞAR
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH ÇAĞRI TOLGA
- Adoption of internet of things (IoT) concepts within consumer, commercial, industrial and infrastructure applications
Nesnelerin interneti konseptlerinin tüketici, ticari, endüstri ve altyapı uygulamalarında benimsenmesi
ONUR SOMER YUSUFOĞLU
Doktora
İngilizce
2023
İşletmeİstanbul Bilgi ÜniversitesiOrganizasyon Çalışmaları Bilim Dalı
PROF. DR. BERİL DURMUŞ
- Uzaysal modülasyon kullanılarak işbirlikli haberleşme tabanlı insansız hava araç ağlarının hata performans analizi
Error performance analysis of spatial modulation for cooperative unmanned aerial vehicles network
MUSTAFA CİHAN TAŞTAN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HACI İLHAN
- Tarımsal sulamada düşük maliyetli bir lorawan test platformu: Uygulama ve ölçümler
A low-cost lorawan testbed for agricultural watering: Application and measurements
ALİ TILFARLIGİL
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBitlis Eren ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALİL YETGİN
DOÇ. DR. YAKUP ŞAHİN