Makine öğrenmesi algoritmaları kullanılarak tarım alanında ürün seçimini optimize etmeye yönelik bir çalışma
A study on optimizing crop selection in agriculture using machine learning algorithms
- Tez No: 982924
- Danışmanlar: DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Beykent Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çiftçilerin geleneksel yöntemlere dayanarak araziye ekilecek en uygun ürünü seçmeleri, çeşitli zorluklar ve belirsizlikler içermektedir. Bu durum, tarımsal verimliliği olumsuz etkileyebilir ve çiftçilerin gelirlerini azaltabilir. Dolayısıyla, bu sorunun çözülmesi, hem çiftçilerin refahı hem de ülkenin tarımsal sürdürülebilirliği açısından büyük önem taşımaktadır. Bu çalışmada, Büyük Veri Analitiği ve Makine Öğrenimi yöntemlerinin entegrasyonu ile çiftçilerin doğru mahsul seçiminde karşılaştıkları zorlukların hafifletilmesi hedeflenmektedir. Hindistan Gıda ve Tarım Odası tarafından sağlanan veritabanı üzerinden toplanan veriler, bu araştırmanın temelini oluşturmaktadır. Kullanılacak veriseti, mahsullerin ayrıntıları, toprak bileşimi, mahsulün büyümesi için uygun hava koşulları, sıcaklık, toprağın pH değeri ve yağış miktarı gibi çeşitli özellikleri içermektedir. Bu özellikler, çiftçilerin doğru mahsul seçiminde kritik öneme sahip bilgiler sunmakta ve yanlış mahsul seçimini azaltarak tarımsal üretkenliği artırma potansiyeli taşımaktadır. Araştırmada, Naive Bayes, Gradient Boosting, Artificial Neural Network, Random Forest Classifier ve Voting Classifier gibi uygun makine öğrenmesi yöntemleri belirlenmiştir. Bu algoritmalar, verisetinin özelliklerine göre en iyi performansı gösterecek şekilde seçilmiştir. Modelin geliştirilmesi sürecinde, ön işleme adımları gerçekleştirilmiş ve verilerin temizlenmesi, normalleştirilmesi ve uygun özelliklerin seçilmesi gibi işlemler yapılmıştır. Model eğitimi tamamlandıktan sonra, performans metrikleri olan kesinlik, duyarlılık ve F1 puanı gibi kriterler kullanılarak kapsamlı bir analiz gerçekleştirilmiştir Analiz sonuçları, hem eğitim hem de test verilerinde Naive Bayes algoritmasının %99,54'lük hassasiyet oranıyla en iyi performansı gösterdiğini ortaya koymuştur. Bu sonuç, Naive Bayes algoritmasının, tarımsal verilerin sınıflandırılması ve doğru mahsul önerisi konusunda etkili bir araç olduğunu göstermektedir. Sonuç bölümünde, bu yöntemlerin başarıları ve tarımsal uygulamalardaki potansiyel etkileri tartışılmıştır. Ayrıca, gelecekteki araştırmalar için önerilerde bulunulmuş ve makine öğrenimi tekniklerinin tarım sektöründe daha geniş bir şekilde nasıl uygulanabileceği üzerinde durulmuştur.
Özet (Çeviri)
Nowadays, with the development of much faster computers and machine algorithm systems, the use of artificial intelligence in the healthcare sector has increased significantly. The use of these algorithms in the field of medicine has led to significant developments. Artificial intelligence techniques are frequently used in the diagnosis and treatment of heart diseases. In the thesis study, using machine learning, one of the sub-branches of artificial intelligence, a data set of heart disease was taken as a classification problem and a prediction was made on the probability of the patients in this data set to have heart disease. The obtained data set was trained with the sub-algorithms of the supervised learning system, a separate model was created with each classification algorithm, and then heart disease was predicted by comparing these created models with the test data set. KNIME Analytics Platform was used as the application. Among the classification algorithms, LPROP Multilayer Algorithm, K-Means Clustering, Support Vector Machines, Naive Bayes, Decision Tree, Logistic Regression, neural network algorithms and collective learning methods were used. When the accuracy rate of the test data set was evaluated according to the results obtained in the trials and tests carried out with the application, the highest accuracy rate was achieved with the Navi Bayes method with a rate of 81.48%. In the study, the error matrices of the predictions were also evaluated and shown in tables.
Benzer Tezler
- Yapay zeka ve görüntü işleme teknikleriyle otomatik zararlı hasarı tespiti ve derecelendirilmesi
Automatic detection and grading of pest damage using artificial intelligence and image processing techniques
HAVVA ESRA BAKBAK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDOĞAN SAVRAN
- 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
- Classification of agricultural lands by remote sensing methods: Konya plain (Çumra regıon)
Uzaktan algılama yöntemleriyle tarım arazilerinin sınıflandırılması: Konya ovası (Çumra bölgesi)
EMRE TOKLUOĞLU
Doktora
İngilizce
2026
Jeoloji MühendisliğiMuğla Sıtkı Koçman ÜniversitesiJeoloji Ana Bilim Dalı
DOÇ. DR. BEDRİ KURTULUŞ
- Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans
Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma
AHMET TALHA YİĞİT
Yüksek Lisans
İngilizce
2022
Bankacılıkİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Zaman serisi yöntemleri ve XGBoost algoritması ile kömür satış tahmini: Türkiye Tarım Kredi Kooperatifleri uygulaması
Sales prediction using time series and XGBoost algorithm: Application of Agricultural Credit Cooperatives of Turkey
GÖKHAN ACAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞRUL TAŞCI