Nesnelerin interneti yardımıyla akıllı tarımda yapay zeka tabanlı gübre ve mahsül tahmini
Artificial intelligence-based fertilizer and crop forecasting in smart agriculture with the help of the internet of things
- Tez No: 881700
- Danışmanlar: DR. ÖĞR. ÜYESİ FARUK BATURALP GÜNAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Amaç: Bu tez çalışmasının amacı; ulaşım yerlerinden uzak mesafede bulunan ve büyük kontrolü zor tarım arazilerinde tarımsal faaliyetleri kolaylaştırarak üretim aşamalarını gerçek zamanlı takip altında tutmak için; nesnelerin interneti (IoT) kullanarak topraktan gerçek zamanlı alınacak sensör verileri ile yapay zeka algoritmaları ile değerlendirilip tarım arazilerine uygun, düşük maliyetli yüksek verimli hasat elde edebilme, tarımsal faaliyetleri ürünün ihtiyacına göre zamanında yapabilme olanağı sağlamak hedeflemektedir. Yöntem: Bu tez çalışmasında, çalışma kapsamında tasarlanan akıllı tarım yönetim cihazları (donanım cihazları ve yazılım modülleri) vasıtasıyla toplanan gerçek zamanlı anlık sensör verileri IoT ile saha ve sunucu modülü yardımı ile sunucu veri tabanına kaydedilmektedir. Açık erişimli internet sitelerinden alınan veri setleri, eğitilen yapay zekâ modelleri ile değerlendirilip tarım arazisine uygun ürün ve gübre tahmin sonuçları elde edilmiştir. Tarım arazisindeki toprak yapısına göre ekilmesi uygun ürün ve gübre tahmini yapılabilmesi için faklı iki veri seti kullanılmıştır. Ürün tahmini için, açık internet erişimli Kaggle sitesinden alınan“Crop analysis and prediction”veri seti kullanılırken gübre tahmini yapabilmek için ise, yine açık internet erişimli Github sitesinden alınan“crop_fertilizer_prediction_ML”veri seti kullanılmıştır. Ürün ve gübre tahmini için; Lojistik Regresyon, Support Vector Machines (SVM, Destek Vektör Makineleri), Decision Tree (Karar Ağacı), k-Nearest Neighbor (k-NN, k-en Yakın Komşu), Naive Bayes, Random Forest (RO, Rastgele Orman) ve Gradient Boosting (Gradyan Arttırma) olarak yedi farklı makine öğrenmesi algoritması kullanılmıştır. Oluşturulan makine öğrenmesi modellerinin performanslarını değerlendirmek için doğruluk, duyarlılık, kesinlik ve f1 skoru sonuçlarından faydalanılmıştır. Bulgular: Bu tez çalışmasında, veri setleri makine öğrenmesi algoritmaları ile geliştirilen modeller kullanılarak toprak yapısına uygun ekilebilecek ürün (buğday, arpa, pirinç vb.) ile toprak yapısı ve ekilmek istenilen ürüne göre toprağa atılacak uygun gübre çeşidini (DAP, 15-15-15 vb.) tahmin etmek için sınıflandırma yapılmıştır. Tasarlanan donanım cihazları ile tarım arazisinden sensörler vasıtasıyla alınan toprak özniteliklerini içeren veriler makine öğrenmesi algoritmaları yöntemleri ile geliştirilen modelleriyle değerlendirilip toprak yapısına uygun ürün ve toprak yapısı ile ekilmek istenilen ürüne uygun gübre tahmini sonucuna ulaşılmıştır. Çalışma sonunda algoritmaların performanslarına bakıldığında ürün tahmini için %99 doğruluk oranı ile NB ve GB algoritmaları ile elde edilirken gübre tahmini için %93 doğruluk oranı KA algoritması ile elde edilmiştir. Sonuç: Bu çalışmada açık internet erişimli sitelerden alınan veri setleri ile makine öğrenmesi algoritmaları kullanılarak ürün ve gübre tahmini için sınıflandırma modelleri geliştirilmiştir. Geliştirilen modeller kullanılarak tasarlanan donanım ve yazılım sistemleri ile tarım arazisinden alınan gerçek zamanlı sensör verileri sınıflandırılıp tahmin sonuçları elde edilmiştir. Ürün tahmininde NB ve GB algoritmaları diğer algoritmalara göre daha yüksek doğruluk oranı elde edilirken gübre tahmininde ise KA algoritmasıyla en yüksek doğruluk oranı elde edilmiştir.
Özet (Çeviri)
Purpose: The purpose of this thesis study is; To keep production stages under real-time monitoring by facilitating agricultural activities in large agricultural lands that are far from transportation areas and difficult to control; It aims to provide the opportunity to obtain low-cost, high-yield harvest suitable for agricultural lands by evaluating real-time sensor data from the soil and artificial intelligence algorithms using the Internet of Things (IoT), and to carry out agricultural activities on time according to the needs of the product. Method: In this thesis study, real-time instant sensor data collected through smart agricultural management devices (hardware devices and software modules) designed within the scope of the study will be recorded in the server database with the help of field and server modules with IoT and artificial data sets trained with data sets taken from open access websites will be used. It will be evaluated with intelligence models and product and fertilizer prediction results suitable for agricultural land will be obtained. Two different data sets were used to estimate the products and fertilizers suitable for planting in the agricultural land according to its structure. For crop prediction, the“Crop analysis and prediction”data set, taken from the open internet accessible Kaggle site, was used, while for fertilizer prediction, the“crop_fertilizer_prediction_ML”data set, also taken from the open internet accessible Github site, was used. For product and fertilizer estimation; Logistic Regression, Support Vector Machines (SVM), Decision Tree, k-Nearest Neighbor (k-NN), Naive Bayes, Random Forest and Gradient Seven different machine learning algorithms were used as Boosting. Accuracy, sensitivity, precision and f1 score results were used to evaluate the performance of the created machine learning models. Findings: In this thesis study, data sets were used to determine the product that can be planted in accordance with the soil structure (wheat, barley, rice, etc.) and the appropriate type of fertilizer to be applied to the soil (DAP, 15-15-15) according to the soil structure and the product to be planted, by using models developed with machine learning algorithms. etc.) classification was made to predict. The data containing soil attributes taken from the agricultural land through sensors with the designed hardware devices were evaluated with models developed with machine learning algorithms, and a product suitable for the soil structure and fertilizer recommendation suitable for the product desired to be planted with the soil structure were reached. At the end of the study, when the performances of the algorithms were examined, 99% accuracy rate for product prediction was obtained with the NB and GB algorithms, while 93% accuracy rate for fertilizer prediction was obtained with the KA algorithm. Result: In this study, classification models for product prediction and fertilizer prediction were developed using machine learning algorithms with data sets taken from open internet sites. With the hardware and software systems designed with the developed models, real-time sensor data taken from the agricultural land were classified and prediction results were obtained. While the highest accuracy rate of 99% was achieved with the NB and GB algorithms in product estimation, the highest accuracy rate of 93% was obtained with the KA algorithm in fertilizer estimation.
Benzer Tezler
- Endüstri 4.0 ile akıllı tarım uygulamaları ve veri analizi
Smart agriculture applications and data analysis with Industry 4.0
MUHAMMED ALİ YASİN ÖMERCİKOĞLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH SEVİN
- Enerji tüketimi verileri üzerinde akan veri madenciliği uygulaması
Stream data mining application on energy consumption data
EMİNE RUMEYSA GÜLER
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. SUAT ÖZDEMİR
- Nesnelerin interneti kapsamında akıllı ev sistemlerinin müşteri deneyimi açısından incelenmesi
Investigation of smart home systems within the internet of things in terms of customer experience
SERAP TÜRKYILMAZ
- Internet of things based zigbee sniffer for smart and secure home
Akıllı ve güvenli ev için şeylerin interneti tabanlı zigbee snıffer
FARAH SHAKİR MAHMOOD ALBAYATİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Smart fire monitoring system based on internet of things
Nesnelerin interneti teknolojisine dayalı akıllı yangın algılama sistemi geliştirilmesi
AHMED OSMAN ALI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FEHİM KÖYLÜ