Kapalı Dikey Topraksız Tarım Yöntemiyle Model Bitki Marul Üretim Tekniklerinin Yapay Zekâ İle Optimize Edilmesi

TAGEM-21/AR-GE/03

Proje Ekibi

Araştırmacı: SERKAN KARTAL, Yürütücü: BEKIR BULENT ARPACI, Araştırmacı: HAYRIYE YILDIZ DASGAN, Araştırmacı: NESIBE EBRU KAFKAS, Araştırmacı: BORAN IKIZ, Araştırmacı: Haluk SAYAN, Araştırmacı: Dilek YILMAZ, Araştırmacı: Fırat ATAS, Araştırmacı: Filiz ASRI, Araştırmacı: S. Gülden YILMAZ

Proje Özeti

Teknolojik dönüşüm her türlü endüstriyi etkilerken, tarımın bundan etkilenmemesi mümkün görülmemektedir. Azalan tarım alanları, değişen iklim koşulları, salgın hastalıklar, artan gıda temini ve tarımdaki işgücü azalması yenilikçi teknolojilerin kullanımını zorunlu kılmaktadır. İklim değişikliğinin artan olumsuz etkileri ve salgın hastalıklar, insanlarda ve hükümetlerde gelecekte gıdaya kolay ulaşamama endişesi oluşturmaktadır. Gelecekte hedef tarım stratejilerimizi değiştirmek, suyu, enerjiyi ve yetiştirme alanlarını optimum şekilde kullanan bitki fabrikalarında dikey olarak topraksız yetiştiricilik projelerini devreye sokmak gerekebilecektir. Bitki yetiştiriciliği için gerekli tüm koşulların optimum şekilde kontrol edilebildiği, iklim değişikliğinden bağımsız, dikey katlar şeklinde alanın ve suyun en ekonomik kullanıldığı “Bitki fabrikaları” gıda üretiminin teminatı rolü ile popüler üretim modeli olarak karşımıza çıkmaktadır. Ülkemizin sahip olduğu ekolojik zenginlik ve su kaynakları iklim değişikliğinden payını almaktadır. Ülke olarak gelecek yıllarda gıda güvenliği konusunda tedbir almak adına, zaman geçirmeden kapalı mekanlarda kontrollü dikey tarım yetiştiriciliğinin bitkisel, endüstriyel ve ekonomik açılardan her yönüyle incelenmesi gerekmektedir. Sunulan projede model bitki olarak marul seçilmiştir. Kapalı mekanda dikey su kültürü teknikleri ile marul yetiştiriciliğinde gerekli çevresel şartların; gece-gündüz sıcaklıkları, karanlık-ışık periyotları, CO2 gübrelemesi ve LED aydınlatması farklı kombinasyonları ile 36 yetiştiricilik denemesi yapılarak üretim verileri yapay zeka teknolojisi ile makineye öğretilecektir. Makine öğrenmesinden sonra pratikte gerçekleştirmenin çok zaman alacağı 28800 bağımsız yetiştiricilik denemesine denk gelen veri tahminlemesi elde edilebilecektir. Böylece marul üretimin optimal koşulları yapay zeka teknolojisi ile tahmin edilebilecektir.

Bu proje kapsamında proje yürütücüsü kurumun tarım ve yapay zeka konularındaki uzmanlığı, bitki fabrikası üreten proje ortağı özel şirketin endüstriyel ve bilişim teknolojilerindeki uzmanlığı bileştirilerek ortak bir çalışma gerçekleştirilecek, yeşil bitki fabrikalarında su kültürü teknikleri ile dikey sistemlerde optimum yetiştiriciliğin yapay zeka ile simülasyonu yapılacaktır. Gelişen sensör teknolojisi, büyük veriyi ele alabilecek algoritmalar ve yapay zeka teknikleri sayesinde tarımsal verimliliği ve ürün kalitesini arttıracak, enerji tüketimi ve diğer giderleri azaltacak sistemler geliştirmek mümkün olacaktır.

Bitki yetiştirme işlemi zaman domaininde belirli parametreler göz önüne alınıp kontrol edilerek gerçekleştirilen bir işlemdir. Parametrelerin bitki gelişimine etkilerini öğrenerek, hasat edilecekleri zamana dair gelişimleri ile ilgili çıkarım yapabilmek karar destek makineleri (support vector machine-SVM) ve rassal ormanlar (random forest- RF) gibi yaygın olarak kullanılan makine öğrenmesi algoritmaları ve veri setinin büyüklüğüne ve karmaşıklığına uygun olarak tasarlanacak çok katmanlı yapay sinir ağı modelleri ile mümkün olabilmektedir.. Buna göre, hasat zamanında ölçülen parametreler (hava kök ortamında EC, pH, CO2, Işık Yoğunluğu, sıcaklık, O2, vb.) ile elde edilen sonuçlar ( Yaş ağırlık, kuru ağırlık, yaprak kalınlığı, vitaminler, besin içerikleri vb.)arasında ilişki kurularak optimum yetiştirme koşulları makine öğrenmesi yöntemleri ile tahmin edilebilecektir. Gerçekleştirilen ölçümler sayesinde bitkilerin gelişim süreçlerinde çevre koşullarına karşı ne gibi tepki gösterdiğine dair veriler toplanacaktır. Bu verilerin işlenmesiyle geliştirilecek olan makine öğrenmesi mimarileri sayesinde bu veriler arasındaki korelasyonları öğrenerek buna göre tahminlerde bulunan bir sistem ortaya konulacaktır.