Tarladan sofraya: YZ tarımda inovasyonu nasıl yönlendiriyor

Dünya nüfusunun 2050 yılına kadar 2 milyar artması beklenirken, ayak uydurmak için gıda üretiminde yaklaşık %60 artışa ihtiyacımız var. Yapay Zeka (AI), tarımda inovasyonu teşvik ederek bu zorluğun üstesinden gelmemize yardımcı oluyor. Yapay zeka yenilikleri, hayvanları izlemek, ürün büyümesini analiz etmek, çiftlik ekipmanlarının ne zaman bakıma ihtiyacı olduğunu tahmin etmek ve çok daha fazlası için kullanılabilir. Tarım dediğimizde, genellikle sadece çiftçiliği hayal ederiz. Ancak, birçok farklı işlevi ve süreci kapsayan bir şemsiyedir.

Tarımda yapay zekanın etkisini daha iyi anlamak için belirli bir örnek alalım: Bir meyvenin yaşam döngüsü. Tarladan sofralarımıza yolculuğu sırasında neler olur?

Bu blogda, yapay zekanın meyvelerin ekiminden, yetiştirilmesinden ve hasadından, işlenmesine, taşınmasına ve satışına kadar sürecin her adımında nasıl yardımcı olduğunu inceleyeceğiz. Hadi başlayalım!

Meyve dikimi için tarımda yeni teknolojiyi benimsemek

Meyve bitkilerinin yaşam döngüsündeki ilk adım, tohumları seçmek ve ekmektir. Bir çiftçinin, sezon için hangi meyveyi yetiştireceğine karar vermesi gerekir. Makine öğrenimi gibi yapay zeka teknikleri, çiftçilerin kendi toprak ve iklim koşullarına en uygun tohumları seçmelerine yardımcı olmak için büyük miktarda veriyi analiz etmek için kullanılabilir. Yapay zeka, geçmiş hava durumu modellerini, toprak yapısını ve ürün performansı verilerini değerlendirerek, gelişme olasılığı en yüksek olan optimum tohum çeşitlerini önerebilir. Tohum seçimi için kullanılan yapay zeka, çok fazla ilgi ve potansiyel içeren devam eden bir araştırma alanıdır. 

Örneğin, 2018 CGIAR Inspire Challenge, daha akıllı tohum seçimi için makine öğrenimini kullanan bir projeye 100.000 dolar ödül verdi. Bu proje BioSense Enstitüsü ve CIMMYT'den araştırmacılar tarafından yürütüldü. Araştırmacılar, tohum performansını tahmin eden modeller geliştirmek için Meksika'daki yüzlerce değerlendirme sahasından elde edilen farklı yeni mısır çeşitleri hakkındaki verileri kullandılar. Veri odaklı bir yaklaşıma sahip olmak, başarılı bir hasat şansını artırır ve mahsulün başarısız olma riskini azaltır. En iyi tohum türü seçildikten sonra, tohumların kalitesini kontrol etmek için bilgisayar görüşü devreye girebilir.

‍

Tohum kalitesini değerlendirmek için bilgisayarlı görü kullanma

Bilgisayarla görü, meyve tohumlarının yüksek çözünürlüklü görüntülerini analiz ederek, insan gözüyle görülemeyen kusurları, hastalıkları ve genetik özellikleri tespit etmek için kullanılabilir. Bu görüntüleri analiz etmek, tohumları ayırmak, sınıflandırmak ve kalitesini değerlendirmek için çeşitli bilgisayarla görü görevleri kullanılabilir. Yapay zeka, bu görevleri otomatikleştirerek yalnızca en yüksek kaliteli tohumların ekilmesini garanti etmeye ve çiftçilerin daha iyi ürün verimi elde etmesine yardımcı olabilir.

Örneğin, Seed X'in GeNee™ Sorter'ı tohum seçim sürecini iyileştiren yapay zeka destekli bir tohum ayıklayıcısıdır. Ayıklayıcı, tohumları iki kategoriye ayırır: çimlenme olasılığı yüksek olan yüksek kaliteli tohumlar birincil kutuya yönlendirilirken, çimlenme olasılığı düşük olan tohumlar ikincil bir kutuya ayrılır. Renk, şekil, boyut, genetik saflık gibi görevleri ele alır ve çimlenme oranlarını tahmin eder. Ayıklayıcı sayesinde, çimlenme oranları %90'ın üzerine çıkarılabilir, bu da daha fazla tohumun başarılı bir şekilde sağlıklı bitkilere dönüşmesi anlamına gelir.

‍

Meyve yetiştirmek ve hasat etmek için yapay zeka kullanımı

Yapay zeka, toprak analizini ve ürün takibini iyileştirmek için de kullanılabilir. Gelişmiş kameralara sahip dronlar, meyve tarlalarının üzerinde uçarak toprak ve bitki sağlığının ayrıntılı görüntülerini yakalar. Bu görüntüler, toprak nemindeki, besin seviyelerindeki ve bitki sağlığındaki değişimleri gösteren haritalar oluşturmak için işlenir. Görüntü analizinden elde edilen içgörülere dayanarak, yabani ot tespiti, büyüme takibi, verim tahmini, sulamayı ayarlama, gübreleri hassas bir şekilde uygulama ve hedeflenen zararlı kontrolü gibi görevler yapılabilir. Yapay zeka kullanılarak yapılan gerçek zamanlı izleme, meyve verimini artırmaya ve sürdürülebilir tarım uygulamalarını teşvik etmeye yardımcı olabilir.

Bir tarlayı en uygun zamandan bir gün önce veya sonra hasat etmek, çiftçinin potansiyel gelirini %3,7'den %20,4'e kadar azaltabilir. Yapay zeka, meyveleri toplamak için en iyi zamanı belirlemeye yardımcı olabilir. Geleneksel hasat yöntemleri büyük ölçüde manuel iş gücüne dayanır ve daha az verimli ve daha fazla zaman alıcı olabilir. Yapay zeka destekli hasat yöntemleri, meyve rengi, boyutu ve çevresel koşullar hakkındaki verileri analiz etmek ve olgunluğu tahmin etmek için gelişmiş sensörler ve makine öğrenimi algoritmaları kullanır. Bu sayede meyveler en iyi oldukları zaman hasat edilir, bu da daha yüksek verime ve daha az atığa yol açar.

‍

Hasat sonrası işleme: Meyve segmentasyonunun ve ambalajının hacimsel analizi

Hasattan sonraki bir sonraki önemli adım, en iyi ürünlerin tüketicilere ulaşabilmesi için meyveleri ayırmak ve derecelendirmektir. Yapay zeka, meyve segmentasyonunun hacimsel analizi için kullanılabilir. Ultralytics YOLOv8 gibi bilgisayarla görme modelleri uygulanarak, bir meyvenin boyutu, şekli ve kalitesi değerlendirilebilir.

‍

Süreç, bir taşıma bandı üzerindeki meyvelerin yüksek çözünürlüklü görüntülerini yakalamayı, YOLOv8 modeli kullanılarak tek tek meyveleri bölümlere ayırmayı ve boyut ve şekli ölçmek ve kusurları tespit etmek için hacimsel analiz yapmayı içerir. Analize dayanarak, meyveler uygun paketleme, işleme veya dağıtım için otomatik olarak sıralanır ve farklı kategorilere ayrılır. Yapay zeka destekli sıralama ve derecelendirme, verimliliği, doğruluğu ve tutarlılığı artırır, israfı azaltır ve hasadın değerini en üst düzeye çıkarır.

Meyveler ayrılıp derecelendirildikten sonra, otomatik paketleme makineleri bunları hassas bir şekilde paketleyebilir. Yapay zeka destekli OCR (Optik Karakter Tanıma) sistemleri, ambalajı doğruluk açısından kontrol edebilir, etiketleri, barkodları ve standartlara ve düzenlemelere uygunluk için diğer önemli bilgileri doğrulayabilir. Ambalaj bu şekilde incelenerek, süresi dolmuş ürünler gibi durumlardan kaçınılabilir. Yapay zeka, yanlış etiketleri veya süresi dolmuş tarihleri tespit edebilir ve ürünler tüketicilere ulaşmadan önce bunların düzeltilmesi için işaretleyebilir.

Meyvelerin perakende ve dağıtımında yapay zeka yenilikleri

Şimdi, paketlenmiş ve teslimata hazır en iyi meyvelere sahip olduğunuzu düşünelim. Yapay zeka, rotaları optimize ederek meyvelerin lojistiğini ve taşınmasını iyileştirebilir. Meyveleri nakliye sırasında taze tutmak ve en verimli teslimat rotalarını bulmak büyük zorluklardır. Yapay zeka algoritmaları, en iyi rotaları belirlemek ve seyahat süresini ve maliyetlerini azaltmak için trafik düzenlerini, hava koşullarını ve teslimat programlarını analiz edebilir.

Meyveler mağazaya ulaştıktan sonra, yapay zeka envanter yönetimi ve talep tahmininde önemli bir rol oynamaya devam ediyor. Yapay zeka sistemleri, talebi daha doğru bir şekilde tahmin etmek için satış verilerini, müşteri tercihlerini ve mevsimsel eğilimleri analiz edebilir. Perakende mağazaları, yapay zekadan elde edilen içgörülere dayanarak optimum envanter seviyelerini koruyabilir ve aşırı stoklama veya stokta kalmama riskini azaltabilir. 

‍

Bilgisayarla görü, mağazalarda raf stoklarını gerçek zamanlı olarak izlemek için kullanılabilir. Nesne tespiti kullanılarak, yapay zeka destekli kameralar, stok azaldığında veya yanlış yerleştirildiğinde bunu tespit edebilir ve personeli rafları yeniden stoklaması veya düzenlemesi için uyarabilir. Doğru miktarda taze ürünün doğru zamanda bulunmasını sağlayarak, yapay zeka müşteri memnuniyetini artırmaya ve gıda israfını azaltmaya yardımcı olur.

Yapay zekanın meyve endüstrisi üzerindeki genel etkisi

Yapay zeka, tüketicilerin daha kaliteli meyveler elde etmesine yardımcı olma konusunda büyük bir potansiyele sahiptir. Meyve endüstrisindeki başarılı bir yapay zeka entegrasyonu örneği Nature Fresh Farms'tır. Nature Fresh Farms, yapay zeka teknolojisini kullanarak operasyonlarını tohumdan mağazaya dönüştürmüştür. Yapay zeka destekli sensörler ve veri analitiği, seradaki iklim ve nem seviyelerinden ürünlerin taşınmasının lojistiğine kadar her şeyi izlemeye ve yönetmeye yardımcı olur. Nature Fresh Farms, büyüme koşullarını optimize etmiş, sulamayı kontrol altına almış ve maliyetleri düşürmüştür. Yapay zeka sistemi ayrıca ürünlerin paketlemeden sonra 24-48 saat içinde süpermarket raflarına ulaşmasını sağlayarak taşıma süresini önemli ölçüde azaltır ve tazeliği korur.

Birçok faydasına rağmen, yapay zekanın meyve endüstrisinde kullanılmasının bazı potansiyel dezavantajları vardır:

• Uygulama maliyeti: Yapay zeka teknolojisine yapılan ilk yatırım yüksek olabilir ve bu da bazı çiftçiler ve üreticiler için bir engel teşkil edebilir.
  ‍
• Teknoloji bağımlılığı: Yapay zeka ve teknolojiye aşırı derecede güvenmek, özellikle teknik sorunlar veya arızalar varsa, yönetilmesi zor olabilecek bir bağımlılık yaratabilir.
  ‍
• Bakım ve idame: AI sistemleri, etkili bir şekilde çalışmak için düzenli bakım ve güncellemeler gerektirir, bu da devam eden maliyetlere ve operasyonel karmaşıklığa katkıda bulunabilir.
  ‍
• Kullanım karmaşıklığı: Bazı çiftçiler yapay zeka teknolojisini anlamakta ve kullanmakta zorlanabilir, bu da eğitim ve desteği gerekli kılar.

Yarını geliştirmek

Tohum seçiminden meyvelerin olgunlaşmasına kadar, yapay zeka, tarlalardan yemek masanıza kadar ürünlerin yaşam döngüsü boyunca tarımı değiştiriyor. Çiftçilerin toprak sağlığını izlemesine, hasat için en iyi zamanları tahmin etmesine ve ürünleri doğru bir şekilde ayırmasına yardımcı olur. Kaynakları optimize ederek, israfı azaltarak ve mahsul verimini artırarak, yapay zeka çiftçiliği daha verimli ve sürdürülebilir hale getirir. Maliyetler, teknik uzmanlık ihtiyacı ve veri kalitesine bağımlılık gibi zorluklara rağmen, yapay zekanın avantajları bu zorlukları birçok durumda değerli kılmaktadır. Bu nedenle giderek daha fazla çiftçi yapay zekayı benimsiyor.

Yapay zeka hakkında daha fazla bilgi edinmek için topluluğumuzla bağlantıda kalın! Üretim ve sağlık hizmetleri gibi sektörlerde yenilikçi çözümler oluşturmak için yapay zekayı nasıl kullandığımızı keşfetmek için GitHub depomuza göz atın. 🚀