Akademik Veri Yönetim Sistemi
Tören M. (Yürütücü), İslam A., Çoğalmış K. N., Beriş F. Ş., Akıner M. M.
TÜBİTAK Projesi, 1001 - Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı, 2025 - 2028
Karadeniz Bölgesinin başka bölgelerde yoğun olarak yetiştirilemeyen ve
ekonomik anlamda oldukça önemli olan iki stratejik ürünü fındık ve çaydır. Son
yıllarda birçok bölgede olduğu gibi iklim değişikliğinin etkileri bölgemizde de
hissedilmeye başlanmış ve özellikle fındık ve çayda bazı zararlıların
popülasyonu artarak bölgemizde önemli ürün kayıplarına neden olmuştur. Özellikle
birçok fındık üreticisi fındığı bahçeden bile toplayamamıştır.
Bu sorunlara bir çözüm üretmek için planlanan projede, Ülkemizin tarımsal
teknolojilerinde gelişimi destekler nitelikte Doğu Karadeniz Bölgesi’nde çay,
fındık üretimi sırasında tarımsal zararlıları tespit etmek için mikro lens kamera ve dron tabanlı görüntü işleme, You Only Look Once (YOLOv11) ve Generative Adversarial
Networks (GAN) algoritmalarını içeren yapay zeka destekli derin öğrenme
araçlarını kullanarak, hem tarımsal üretimde erken tespit hem de verim kaybını
minimize etme amacı taşır. Literatürde tarımsal zararlıların gerçek zamanlı tespitine
yönelik sınırlı çalışmaların olduğu bu alanda, proje önemli bir yenilik ve
metodolojik katkı sunmaktadır. Zararlılar küçük boyutlarda olduğundan, ilk
olarak görüntülerin işlenmesinde GAN ve alt modelleri destekli sentetik model
kullanılarak, zararlı tespiti için gerekli veri üretimi, veri iyileştirilmesi
ve görüntü çözünürlük artırımları ile de tespit doğruluğu artırılacaktır.
Projede görüntü işleme alnındaki güncel sürüm olan YOLOv11 algoritmasıyla
derin öğrenme yöntemleri kullanılarak ise konvolüsyonel sinir ağı (CNN) ile
bitkilerde eklem bacaklıların (akar ve böceklerin) sebep olduğu zarar tespit
edilerek hasarın yayılma oranı belirlenecektir. Deneysel çalışmalarla yapılan veri
tespit sistemlerinin performansının derin öğrenme modelleri sayesinde %96-98
aralığına kadar yükseltmesi hedeflenmektedir. Tespit edilen zararlı
yoğunlukları ve yayılım oran haritaları, verim kayıplarını azaltmak için alınan
tedbirleri, geliştirilecek uygulamaları ve ekonomik etkileri belirlemek için
kullanılacaktır.
Proje, disiplinler arası bir yaklaşımla gerçekleştirilecektir. Tarımsal
ürünlerde üretimsel hasarlara ve verim kaybına neden olan zararlılarla ilgili
yetkin ve yeterli çalışma gerçekleştiren biyoloji uzmanları, tarla bitkileri
alanında uzman ziraat bilimciler, yapay zeka alanında çalışmalar yapan
bilgisayar mühendisi araştırmacıları ve hem dron operatörlüğü hem de yapay
zekada elektrik-elektronik süreçleri entegre uygulayabilen araştırmacılar,
proje yönetiminde aktif rol alacaktır. Arazi çalışmaları, görüntü işleme için
gerekli görüntüleme süreçleri, yapay zeka model geliştirme ve doğrulama
aşamaları, düzenli raporlarla izlenip optimize edilecektir. Ayrıca, tarım
üreticileriyle ve tarımsal üretimde etkin rolü olan kuruluşların uzmanları ile
yakın iş birliği yapılarak, elde edilen verilerin saha uygulamalarına entegre
edilmesi sağlanacaktır.
Proje, tarımsal üreticilere zararlıların erken tespitine yönelik yenilikçi
dijital çözümler sunarak, verim artışını ve ekonomik kayıpların azaltılmasını sağlayacaktır.
Geliştirilen yenilikçi ve yerli teknolojiler, hem bölgesel tarımsal verimliliği
artıracak hem de Ülkemizin tarımsal ihracat potansiyelini güçlendirerek ulusal
ekonomiye uzun vadeli katkılar sağlayacaktır.
Proje çıktıları, ulusal ve uluslararası tarım teknolojileri literatürüne katkıda bulunacak, ayrıca tarımda dijitalleşme sürecini hızlandıracaktır. Bu çıktılar hem endüstriyel alanda katkılar sağlarken elde edilen veri setleri ile yapılacak akademik çalışmalar literatürde de kalitesi yüksek çıktılara dönüştürülecektir. Ayrıca geliştirilecek yazılımın sektörde yer edinmesi ve farklı alanlara uygulanma potansiyeli bulunmaktadır.