Muz-AI projesi başladı!
Muz-Ai: Serada Muz Bitkisinin Gelişiminin ve Ürün Miktarının Yapay Zeka Tabanlı Modellenmesi ve Hassas Tarım Uygulamaları için Veri Kümesi Oluşturulması
Proje için muz bitkisinin seçilmesinin nedeni, aynı alana aynı anda dikilen fidelerin gelişiminin eş zamanlı olmamasıdır. Zamansal ve mekansal varyasyon söz konusudur. Aynı muz bitkisinde iki çiçeklenme olayı arasındaki ortalama süre de fenolojisi mevsimlerle eş zamanlı olan çoğu ürünün aksine değişkendir. Bu değişkenlikler, sürdürülebilir ve verimli muz üretimi için veriye dayalı modellerin kurgulanmasını zorunlu kılmaktadır.
Bitkinin gelişimi, sağlığı ve ürün miktarının toprağın nemine, sıcaklığına ve pH değerine bağlı olduğu; ayrıca sera alanındaki ışığın, hava sıcaklığının ve havanın bağıl nem değerinin izlenmesi gerektiği; topraktaki NPK (azot, fosfor ve potasyum) değerlerinin önemli olduğu anlaşılmaktadır. Anılan veri setlerinin uygun biçimde toplanması, kaydedilmesi ve işlenmesi proje önerisinin amacı olan modellemenin yapılabilmesi için gereklidir.
Toprakla ve seradaki hava ile ilgili veri setlerinin nesnelerin interneti teknolojisi ile toplanması benimsenmiştir. Toprağın nem, sıcaklık, pH ve NPK değerlerinin, havanın sıcaklığının ve bağıl neminin ve seraya ulaşan gün ışığının ölçülmesi için LoRa tabanlı sensörlerin kullanılması planlanmıştır. Bu sensörlerden LoRa protokolü kullanılarak sunucuya gerçek zamanlı veri aktarılacaktır. Aktarılan ham veri setleri yapay zeka tabanlı modellemede kullanılacak şekilde işlenecektir.
Proje kapsamında, muz yetiştirilmesi sırasında seradan toplanacak veri ve elde edilen ürün miktarı ile bir veri kümesi oluşturulacaktır. Bu veri kümesi oluşturulurken muzun serada yetiştirilmesi sırasında üreticiye herhangi bir müdahalenin yapılmadığı, doğal sera koşullarındaki veri kaydedilecektir. Proje kapsamında üreticiye herhangi bir tavsiye verilmeyecek, sürece müdahalede bulunulmayacaktır. Oluşturulan bu veri kümesi daha sonra muz serasındaki zamana bağlı değişimin izlenmesi, seradaki ihtiyacın belirlenmesi ve elde edilecek ürün miktarının tahmin edilmesi gibi çalışmalarda kullanılabilecektir. Hassas tarım uygulamalarının yaygınlaştığı son yıllarda, bu alandaki çalışmaların başarısında veri büyük önem taşımaktadır. Modelin yüksek açıklama oranı (>%90) ile tahmin yapabilen bir model olması hedeflenmektedir.