Tarladan sofraya: Yapay zekâ tarımda inovasyonu nasıl yönlendiriyor

Dünya nüfusunun 2050'ye kadar 2 milyar artması beklenirken, bu artışı karşılayabilmek için gıda üretimini yaklaşık 60% oranında artırmamız gerekiyor. Yapay zekâ (AI), tarım alanında inovasyonu destekleyerek bu zorluğun üstesinden gelmemize yardımcı oluyor. Yapay zekâ inovasyonları; hayvanları izlemek, mahsul gelişimini analiz etmek, tarım ekipmanlarının ne zaman bakıma ihtiyaç duyacağını tahmin etmek ve çok daha fazlası için kullanılabilir. Tarım denince genellikle yalnızca çiftçiliği düşünürüz. Ancak tarım, birçok farklı işlev ve süreci kapsayan bir şemsiye terimdir.

Tarımda AI kullanımının etkisini daha iyi anlamak için belirli bir örneği ele alalım: bir meyvenin yaşam döngüsü. Tarladan sofralarımıza uzanan yolculuğunda neler olur?

Bu blog yazısında, dikim, yetiştirme ve hasattan meyvelerin işlenmesi, taşınması ve satılmasına kadar sürecin her adımında yapay zekânın nasıl yardımcı olduğunu inceleyeceğiz. Hadi başlayalım!

Meyve dikimi için tarımda yeni teknolojiyi benimsemek#

Meyve bitkilerinin yaşam döngüsündeki ilk adım, tohumları seçmek ve dikmektir. Bir çiftçinin mevsim boyunca hangi meyveyi yetiştireceğine karar vermesi gerekir. Makine öğrenimi gibi yapay zekâ teknikleri, çiftçilerin kendi toprak ve iklim koşulları için en iyi tohumları seçmesine yardımcı olmak amacıyla büyük miktarda veriyi analiz etmekte kullanılabilir. Yapay zekâ, geçmiş hava durumu modellerini, toprak bileşimini ve mahsul performansı verilerini değerlendirerek gelişme olasılığı en yüksek olan en uygun tohum çeşitlerini önerebilir. Tohum seçiminde yapay zekâ kullanımı, büyük ilgi ve potansiyel taşıyan, devam eden bir araştırma alanıdır.

Örneğin, 2018 CGIAR Inspire Challenge, daha akıllı tohum seçimi için makine öğrenimi kullanan bir projeye 100.000 $ ödül verdi. Bu proje, BioSense Institute ve CIMMYT araştırmacıları tarafından yürütüldü. Araştırmacılar, tohum performansını tahmin eden modeller geliştirmek için Meksika'daki yüzlerce değerlendirme sahasından farklı yeni mısır çeşitlerine ilişkin verileri kullandı. Veriye dayalı bir yaklaşım, başarılı bir hasat olasılığını artırır ve mahsul kaybı riskini azaltır. En iyi tohum türü seçildikten sonra, tohumların kalitesini kontrol etmek için bilgisayarlı görü devreye girebilir.

Şekil 1. Daha parlak alanların daha sağlıklı bitki örtüsünü gösterdiği Meksika'daki mısır üretiminin uydu görüntüsü.

Tohum kalitesini değerlendirmek için bilgisayarlı görü kullanımı#

Bilgisayarlı görü, insan gözüyle görülemeyebilecek kusurları, hastalıkları ve genetik özellikleri tespit etmek için meyve tohumlarının yüksek çözünürlüklü görüntülerini analiz etmekte kullanılabilir. Bu görüntüleri analiz ederek tohumları ayırmak, sınıflandırmak ve kalitelerini değerlendirmek için çeşitli bilgisayarlı görü görevlerinden yararlanılabilir. Yapay zekâ, bu görevleri otomatikleştirerek yalnızca en yüksek kaliteli tohumların dikilmesini sağlamaya yardımcı olabilir ve çiftçilerin daha yüksek mahsul verimi elde etmesini sağlayabilir.

Örneğin, Seed X's GeNee™ Sorter, tohum seçimi sürecini iyileştiren yapay zekâ destekli bir tohum ayıklayıcıdır. Ayıklayıcı, tohumları iki kategoriye ayırır: Çimlenme olasılığı yüksek kaliteli tohumlar birincil kutuya yönlendirilirken, çimlenme olasılığı düşük tohumlar ikincil kutuya ayrılır. Renk, şekil, boyut ve genetik saflığı değerlendirme ve çimlenme oranlarını tahmin etme gibi görevleri yerine getirir. Ayıklayıcı sayesinde çimlenme oranları %90'ın üzerine çıkarılabilir; bu da daha fazla tohumun başarıyla sağlıklı bitkilere dönüşmesi anlamına gelir.

Şekil 2. Seed X's GeNee™ Sorter.

Meyveleri yetiştirmek ve hasat etmek için yapay zekâ kullanımı#

Yapay zekâ, toprak analizini ve mahsul izlemeyi iyileştirmek için de kullanılabilir. Gelişmiş kameralara sahip dronlar, meyve tarlalarının üzerinden uçarak toprak ve bitki sağlığına ilişkin ayrıntılı görüntüler yakalar. Bu görüntüler, toprak nemi, besin seviyeleri ve bitki sağlığındaki farklılıkları gösteren haritalar oluşturmak üzere işlenir. Görüntü analizinden elde edilen içgörülere dayanarak yabani ot tespiti, gelişim izleme, verim tahmini, sulamanın ayarlanması, gübrelerin hassas biçimde uygulanması ve hedefli zararlı kontrolü gibi görevler gerçekleştirilebilir. Yapay zekâ kullanılarak gerçek zamanlı izleme, meyve mahsulü verimini artırmaya ve sürdürülebilir tarım uygulamalarını teşvik etmeye yardımcı olabilir.

Bir tarlayı optimum zamandan yalnızca bir gün önce veya sonra hasat etmek, çiftçinin potansiyel gelirini %3,7'den 20,4% oranına kadar azaltabilir. Yapay zekâ, meyveleri toplamak için en uygun zamanı belirlemeye yardımcı olabilir. Geleneksel hasat yöntemleri büyük ölçüde el emeğine dayanır ve daha az verimli, daha fazla zaman alıcı olabilir. Yapay zekâ destekli hasat yöntemleri, olgunluğu tahmin etmek için meyve rengi, boyutu ve çevresel koşullara ilişkin verileri analiz eden gelişmiş sensörler ve makine öğrenimi algoritmaları kullanır. Böylece meyveler en iyi durumdayken hasat edilir; bu da daha yüksek verim ve daha az atık sağlar.

Şekil 3. Olgun çilekleri segmentasyon için bilgisayarlı görü kullanımı.

Hasat sonrası işleme: Meyve segmentasyonunun hacimsel analizi ve paketleme#

Hasattan sonra sıradaki önemli adım, en iyi ürünlerin tüketicilere ulaşabilmesi için meyveleri ayırmak ve sınıflandırmaktır. Yapay zekâ, meyve segmentasyonunun hacimsel analizi için kullanılabilir. Ultralytics YOLOv8 gibi bilgisayarlı görü modelleri uygulanarak bir meyvenin boyutu, şekli ve kalitesi değerlendirilebilir.

Şekil 4. Meyveleri segmentlere ayırmak için Ultralytics YOLOv8 bilgisayarlı görü modelinin kullanımı.

Süreç; taşıma bandındaki meyvelerin yüksek çözünürlüklü görüntülerinin yakalanmasını, YOLOv8 modeli kullanılarak tek tek meyvelerin segmentlere ayrılmasını ve boyut ile şekli ölçmek, kusurları tespit etmek için hacimsel analiz yapılmasını içerir. Analize dayanarak meyveler, uygun paketleme, işleme veya dağıtım için farklı kategorilere otomatik olarak ayrılır ve sınıflandırılır. Yapay zekâ destekli ayırma ve sınıflandırma; verimliliği, doğruluğu ve tutarlılığı artırır, israfı azaltır ve hasadın değerini en üst düzeye çıkarır.

Meyveler ayrılıp sınıflandırıldıktan sonra otomatik paketleme makineleri bunları hassas biçimde paketleyebilir. Yapay zekâ destekli OCR (Optik Karakter Tanıma) sistemleri, standartlara ve düzenlemelere uygunluğu sağlamak üzere etiketleri, barkodları ve diğer önemli bilgileri doğrulayarak ambalajın doğruluğunu kontrol edebilir. Ambalajı bu şekilde incelemek, son kullanma tarihi geçmiş ürünler gibi durumların önlenmesine yardımcı olur. Yapay zekâ, hatalı etiketleri veya geçmiş tarihleri tespit edebilir ve ürünler tüketicilere ulaşmadan önce düzeltilmeleri için bunları işaretleyebilir.

Meyvelerin perakende satışı ve dağıtımında yapay zekâ inovasyonları#

Şimdi, en iyi meyveleri paketleyip teslimata hazır hâle getirdiğini düşünelim. Yapay zekâ, rotaları optimize ederek meyvelerin lojistiğini ve taşınmasını iyileştirebilir. Taşıma sırasında meyveleri taze tutmak ve en verimli teslimat rotalarını bulmak önemli zorluklardır. Yapay zekâ algoritmaları, en iyi rotaları belirlemek ve seyahat süresini ve maliyetlerini azaltmak için trafik modellerini, hava koşullarını ve teslimat programlarını analiz edebilir.

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

Şekil 5. Perakende mağazasında meyveleri yeniden rafa yerleştiren çalışan. Görsel kaynağı: Envato Elements.

Bilgisayarlı görü, mağazalarda raf stoklarını gerçek zamanlı olarak izlemek için kullanılabilir. Nesne algılama kullanan yapay zekâ destekli kameralar, stok azaldığında veya ürünler yanlış yerleştirildiğinde bunu tespit ederek çalışanları rafları yeniden doldurmaları veya düzenlemeleri için uyarabilir. Doğru miktarda taze ürünün doğru zamanda mevcut olmasını sağlayan yapay zekâ, müşteri memnuniyetini artırmaya ve gıda israfını azaltmaya yardımcı olur.

Yapay zekânın meyve sektörü üzerindeki genel etkisi#

Yapay zekâ, tüketicilerin daha kaliteli meyvelere ulaşmasına yardımcı olmada büyük bir rol oynama potansiyeline sahiptir. Meyve sektöründe yapay zekânın başarılı entegrasyonuna harika bir örnek Nature Fresh Farms şirketidir. Nature Fresh Farms, yapay zekâ teknolojisini kullanarak operasyonlarını tohumdan mağazaya kadar dönüştürdü. Yapay zekâ destekli sensörler ve veri analitiği, seradaki iklim ve nem seviyelerinden ürünlerin taşınmasına ilişkin lojistiğe kadar her şeyi izlemeye ve yönetmeye yardımcı olur. Nature Fresh Farms yetiştirme koşullarını optimize etti, sulamayı kontrol altına aldı ve maliyetleri düşürdü. Yapay zekâ sistemi ayrıca ürünlerin paketlenmesinden sonra 24-48 saat içinde süpermarket raflarına ulaşmasını sağlayarak taşıma süresini önemli ölçüde azaltabilir ve tazeliği koruyabilir.

Sayısız faydasına rağmen, meyve sektöründe yapay zekâ kullanımının bazı potansiyel dezavantajları vardır:

• Uygulama maliyeti: Yapay zekâ teknolojisine yapılacak ilk yatırım yüksek olabilir ve bu durum bazı çiftçiler ve üreticiler için engel oluşturabilir.
• Teknoloji bağımlılığı: Yapay zekâya ve teknolojiye büyük ölçüde güvenmek, özellikle teknik sorunlar veya arızalar olduğunda yönetilmesi zor olabilecek bir bağımlılık yaratabilir.
• Bakım ve idame: Yapay zekâ sistemlerinin etkili şekilde çalışması için düzenli bakım ve güncellemeler gerekir; bu da devam eden maliyetleri ve operasyonel karmaşıklığı artırabilir.
• Kullanım karmaşıklığı: Bazı çiftçiler yapay zekâ teknolojisini anlamayı ve kullanmayı zor bulabilir; bu nedenle eğitim ve destek gerekli hâle gelir.

Geleceği yetiştirmek#

Tohumların seçiminden meyvelerin olgunlaşmasına kadar yapay zekâ, çiftliklerden yemek masana uzanan ürün yaşam döngüsü boyunca tarımı değiştiriyor. Çiftçilerin toprak sağlığını izlemelerine, hasat için en uygun zamanları tahmin etmelerine ve ürünleri doğru şekilde sınıflandırmalarına yardımcı oluyor. Yapay zekâ; kaynakları optimize ederek, israfı azaltarak ve mahsul verimini artırarak çiftçiliği daha verimli ve sürdürülebilir hâle getiriyor. Maliyetler, teknik uzmanlık gereksinimi ve veri kalitesine bağımlılık gibi zorluklara rağmen yapay zekânın avantajları, birçok durumda bu zorlukları göze almaya değer kılıyor. Bu nedenle giderek daha fazla çiftçi yapay zekâyı benimsiyor.

Yapay zekâ hakkında öğrenmeye devam etmek için topluluğumuzla bağlantıda kal! Yapay zekâyı üretim ve sağlık hizmetleri gibi sektörlerde yenilikçi çözümler oluşturmak için nasıl kullandığımızı keşfetmek üzere GitHub depomuza göz at. 🚀