Su ürünleri yetiştiricilik çalışmalarında yapay zeka kullanımı
Use of artificial i̇ntelligence in aquaculture studies
- Tez No: 990205
- Danışmanlar: PROF. DR. SUAT DİKEL
- Tez Türü: Yüksek Lisans
- Konular: Su Ürünleri, Aquatic Products
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Su Ürünleri Yetiştiriciliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akuakültür endüstrisi, çevresel etkilerin kısıtları arasında ekonomik uygulanabilirliği göz önüne alarak besleme stratejilerini optimize etmeye çalışmaktadır. Günümüzde de uygulanmaya devam edilen geleneksel besleme yöntemleri genellikle dinamik çevre koşullarına ve optimum balık büyüme oranlarına ulaşmakta yetersiz kalarak optimum olmayan büyümeye, israfa ve çevresel kirlenmeye yol açmaktadır. Bu sorunları ele almak için bu çalışma, su ürünleri yetiştiriciliğinde besleme süreçlerini optimize etmek üzere tasarlanmış bir çalışmadır. Denemede, yüksek doğruluk ve verimlilikle optimum büyüme oranları ve buradan da besleme oranlarını tahmin etmek için Doğrusal Regresyon, Karar Ağacı, Rassal Ağaçlar, XgBoost ve Yapay Sinir Ağı gibi gelişmiş regresyon modelleri kullanılmıştır. Bu kapsamlı yaklaşımın amacı, minimum yem sarfiyatı sağlarken, Spesifik Büyüme Oranı (SGR), Oransal Büyüme Oranı (OBO) ve optimum Yem Dönüşüm Oranı (FCR) gibi yüksek büyüme performansı göstergelerine ulaşmaktır. Makine öğrenimini kullanarak, yem miktarlarını balık iştahına ve çevre koşullarına göre dinamik olarak ayarlayabilen bu yöntem bunları yaparak sürdürülebilir ve ekonomik olarak uygulanabilir balık çiftçiliği uygulamalarına katkı sağlamayı amaçlamaktadır. Bu çalışma ile veri toplama ve kataloglama, model seçimi ve doğrulama süreçlerini kapsayan bu çerçevenin uygulanmasını ayrıntılı olarak açıklayarak geleneksel yöntemlere kıyasla önemli iyileştirmeleri tartışmayı amaçlamaktadır. Çalışmada balık yetiştiriciliği ünitesinde balıkların 11 haftalık yetiştirilmesi ile elde edilen verilerin son iki haftası denemede elde edilen veri setleri kullanılarak ölçüm ve tahmin değerleri karşılaştırılmıştır. Tahmin değerlerini elde etmek için uygulanan modellerden yapay sinir ağı yöntemiyle elde edilen veriler ölçüm değerlerine en yakın değerler olarak (%2,75±0,02 farklılıkta) bulunmuştur. Sonuçlarımız, modelin atıkları azaltma ve balık büyümesini geliştirmedeki etkinliğini göstererek su ürünleri yetiştiriciliği sektöründe zamanın daha iyi kullanılmasını, en az 2 hafta önceden gelişmenin ne kadar olabileceğini %97,25±0,03 doğruluk payı ile tahmin edebilerek daha geniş uygulama potansiyelini göstermeye çalışmaktadır. Doğrusal Regresyon (DR), Karar Ağacı (KA), Rassal Ağaçlar (RA) ve XgBoost (XG) yöntemleri sırasıyla %95,53, %95,92, %96,73 ve %96,03 doğruluk ile tahmin edebilmişlerdir. Çalışma sonunda elde edilen sonuçlardan en önemlisi fiziki olarak oldukça yüksek zaman ve iş gücü harcamasına neden olan ölçümlerin yapılmadan eldeki verilerle gelişimin tahmin edilmesi ve bir sonraki dönemde verilecek yem miktarının doğru tahmin edilerek yemin daha rasyonel kullanımına yardımcı olmasıdır.
Özet (Çeviri)
The aquaculture industry seeks to optimize feeding strategies by considering economic feasibility under constraints imposed by environmental impacts. Conventional feeding methods, which are still widely used today, often fail to adapt to dynamic environmental conditions and to achieve optimal fish growth rates. This inadequacy leads to suboptimal growth, feed wastage, and environmental pollution. To address these challenges, this study proposes a framework designed to optimize feeding processes in aquaculture systems. In the experimental setup, advanced regression models—including Linear Regression (LR), Decision Trees (DT), Random Forests (RF), XGBoost (XG), and Artificial Neural Networks (ANN)—were employed to accurately and efficiently predict optimal growth rates and corresponding feeding ratios. The primary objective of this comprehensive approach is to achieve high growth performance indicators—such as Specific Growth Rate (SGR), Relative Growth Rate (RGR), and optimal Feed Conversion Ratio (FCR)—while minimizing feed consumption. By leveraging machine learning techniques, the proposed method dynamically adjusts feed quantities based on fish appetite and environmental conditions, thereby ensuring sustainable and economically viable aquaculture practices. In this study, data obtained from an 11-week fish rearing period were used, with the final two weeks of the dataset selected for model validation by comparing measured and predicted values. Among the applied models, the Artificial Neural Network demonstrated the highest performance, producing predictions closest to the measured values with a deviation of only 2.75 ± 0.02%. The model was able to forecast fish growth up to two weeks in advance with an accuracy of 97.25 ± 0.03%. The LR, DT, RF, and XG models achieved prediction accuracies of 95.53%, 95.92%, 96.73%, and 96.03%, respectively. The most significant outcome of this study is the ability to reliably predict fish growth using existing data without the need for time-consuming and labor-intensive physical measurements. Furthermore, accurately estimating the feed quantity required for subsequent growth periods enables more rational feed utilization, contributing to reduced waste and improved sustainability in aquaculture operations.
Benzer Tezler
- Yapay zeka uygulamalarının mavi yüzgeçli orkinos (Thunnus thynnus (Linnaeus, 1758))'un avcılığında ve besiciliğindeki rolü
The role of artificial intelligence applications in fishing and livestock management of bluefin tuna (Thunnus thynnus (Linnaeus, 1758)
OĞULCAN KEMAL SAGUN
Doktora
Türkçe
2025
Su ÜrünleriEge ÜniversitesiSu Ürünleri Yetiştiriciliği Ana Bilim Dalı
PROF. DR. HÜLYA EMİNÇE SAYGI
- Gökçeada civarında istakoz (Homarus gammarus L. ) yapay resiflerinin oluşturulma olanaklarının araştırılması
An Investigation of the possibilities of creating artificial lobster (Homarus gammarus L. ) reefs around Gökçeada
SAMET CAN SÖYLEMEZ
Yüksek Lisans
Türkçe
2003
Su Ürünleriİstanbul ÜniversitesiSu Ürünleri Yetiştiriciliği Ana Bilim Dalı
YRD. DOÇ. DR. ERDOĞAN GÜVEN
- Yalova su ürünleri üretme istasyonunda Levrek (Dicentrarchus labraxL., 1758) yetiştiriciliği üzerine bir araştırma
Başlık çevirisi yok
ERGUN BÜKE
Yüksek Lisans
Türkçe
1992
Su ÜrünleriEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
YRD. DOÇ. DR. BELGİN TEMELLİ
- Dünyada ve Türkiye'de kültür balıkçılığı ve balık yem sanayinde gelişmeler
Developments in aquaculture and aquaffeed industry in the world and Turkey
HASAN GİRENES
- Ege bölgesi balık yemi sektörünün durumu ve geleceği
Developments in aquafeed in the aegean region
CÖMERT KUTLU
Yüksek Lisans
Türkçe
2000
Su ÜrünleriEge ÜniversitesiSu Ürünleri Yetiştiriciliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ YILDIRIM KORKUT