Çiftlikten sofraya: Yapay zeka tarımda inovasyonu nasıl yönlendiriyor

Dünya nüfusunun 2050 yılına kadar 2 milyar artması beklendiğinden, buna ayak uydurabilmek için gıda üretiminde yaklaşık 60% oranında bir artışa ihtiyacımız var. Yapay Zeka (YZ), tarım alanındaki inovasyonu yönlendirerek bu zorluğun üstesinden gelmemize yardımcı oluyor. YZ inovasyonları; hayvancılığı izlemek, mahsul büyümesini analiz etmek, çiftlik ekipmanlarının ne zaman bakıma ihtiyaç duyacağını tahmin etmek ve çok daha fazlası için kullanılabilir. Tarım denince genellikle aklımıza sadece çiftçilik gelir. Ancak tarım, birçok farklı işlevi ve süreci kapsayan bir şemsiye terimdir.

Tarımda YZ'nin etkisini daha iyi anlamak için somut bir örneğe bakalım: bir meyvenin yaşam döngüsü. Tarladan soframıza uzanan yolculuğunda neler oluyor?

Bu blogda, meyvelerin ekiminden, büyümesine, hasadından işlenmesine, taşınmasına ve satışına kadar her adımda YZ'nin nasıl yardımcı olduğunu inceleyeceğiz. Haydi başlayalım!

Link to this sectionMeyve ekiminde tarımda yeni teknolojileri benimsemek#

Meyve mahsullerinin yaşam döngüsündeki ilk adım, tohumların seçilmesi ve ekilmesidir. Bir çiftçinin, sezon için hangi meyveyi yetiştireceğine karar vermesi gerekir. Makine öğrenimi gibi YZ teknikleri, büyük miktardaki veriyi analiz ederek çiftçilerin kendi özel toprak ve iklim koşulları için en iyi tohumları seçmelerine yardımcı olmak amacıyla kullanılabilir. Geçmiş hava durumu modellerini, toprak kompozisyonunu ve mahsul performans verilerini değerlendirerek, YZ gelişme olasılığı en yüksek olan en uygun tohum çeşitlerini önerebilir. Tohum seçiminde YZ kullanımı, büyük ilgi gören ve potansiyel barındıran aktif bir araştırma alanıdır.

Örneğin, 2018 CGIAR Inspire Challenge, daha akıllı tohum seçimi için makine öğrenimini kullanan bir projeye 100.000 $ ödül verdi. Bu proje, BioSense Institute ve CIMMYT'den araştırmacılar tarafından yürütüldü. Tohum performansını tahmin eden modeller geliştirmek için Meksika'daki yüzlerce değerlendirme sahasından elde edilen farklı yeni mısır çeşitlerine ait verileri kullandılar. Veri odaklı bir yaklaşıma sahip olmak, başarılı bir hasat şansını artırır ve mahsul kaybı riskini azaltır. En iyi tohum türü seçildikten sonra, tohumların kalitesini kontrol etmek için bilgisayarlı görü devreye girebilir.

Şekil 1. Meksika'daki mısır üretimini gösteren ve daha parlak alanların daha sağlıklı bitki örtüsünü işaret ettiği bir uydu görüntüsü.

Link to this sectionTohum kalitesini değerlendirmek için bilgisayarlı görü kullanımı#

Bilgisayarlı görü, insan gözüyle görülemeyebilecek kusurları, hastalıkları ve genetik özellikleri tespit etmek amacıyla meyve tohumlarının yüksek çözünürlüklü görüntülerini analiz etmek için kullanılabilir. Tohumları sınıflandırmak, derecelendirmek ve kalitelerini değerlendirmek için bu görüntüleri analiz etmede çeşitli bilgisayarlı görü görevleri kullanılabilir. Bu görevleri otomatize ederek, YZ yalnızca en yüksek kaliteli tohumların ekilmesini sağlamaya yardımcı olabilir ve çiftçiler daha iyi mahsul verimi elde edebilir.

Örneğin, Seed X'in GeNee™ Sorter cihazı, tohum seçimi sürecini iyileştiren YZ destekli bir tohum ayıklayıcıdır. Ayıklayıcı, tohumları iki kategoriye ayırır: filizlenmesi muhtemel yüksek kaliteli tohumlar birincil kutuya yönlendirilirken, filizlenmesi beklenmeyen tohumlar ikincil bir kutuya ayrıştırılır. Renk, şekil, boyut, genetik saflık değerlendirme ve filizlenme oranlarını tahmin etme gibi görevleri yerine getirir. Ayıklayıcı sayesinde, filizlenme oranları %90'ın üzerine çıkarılabilir; bu da daha fazla tohumun başarıyla sağlıklı bitkilere dönüştüğü anlamına gelir.

Şekil 2. Seed X'in GeNee™ Sorter cihazı.

Link to this sectionMeyveleri yetiştirmek ve hasat etmek için YZ kullanımı#

YZ, toprak analizini ve mahsul takibini geliştirmek için de kullanılabilir. Gelişmiş kameralara sahip dronlar meyve bahçelerinin üzerinde uçarak toprak ve bitki sağlığının ayrıntılı görüntülerini çeker. 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, sulamanın ayarlanması, gübrelerin hassas bir şekilde uygulanması ve hedeflenmiş haşere kontrolü gibi görevler gerçekleştirilebilir. YZ kullanarak gerçek zamanlı izleme, meyve mahsulü verimini artırmaya ve sürdürülebilir tarım uygulamalarını teşvik etmeye yardımcı olabilir.

Bir tarlayı en uygun zamandan sadece bir gün önce veya sonra hasat etmek, çiftçinin potansiyel gelirini %3,7'den %20,4 değerine kadar düşürebilir. Yapay zeka, meyveleri toplamak için en iyi anı belirlemeye yardımcı olabilir. Geleneksel hasat yöntemleri büyük ölçüde manuel iş gücüne dayanır ve daha az verimli olup daha fazla zaman alabilir. Yapay zeka destekli hasat yöntemleri, meyvenin rengi, boyutu ve çevresel koşullara ilişkin verileri analiz etmek ve olgunluğu tahmin etmek için gelişmiş sensörler ve makine öğrenimi algoritmaları kullanır. Bu sayede meyveler en iyi durumdayken hasat edilir, bu da daha yüksek verim ve daha az israf sağlar.

Şekil 3. Olgun çilekleri segmentlere ayırmak için Bilgisayarlı Görü kullanımı.

Link to this sectionHasat sonrası işleme: Meyve segmentasyonu ve paketlemenin hacimsel analizi#

Hasattan sonraki en önemli adım, en iyi ürünlerin tüketicilere ulaşabilmesi için meyvelerin ayıklanması ve derecelendirilmesidir. YZ, meyve segmentasyonu işleminin 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; bir konveyör bandındaki meyvelerin yüksek çözünürlüklü görüntülerinin yakalanmasını, YOLOv8 modeli kullanılarak meyvelerin ayrı ayrı segmentlere ayrılmasını ve boyut ve şekli ölçmek ve kusurları tespit etmek için hacimsel analizin gerçekleştirilmesini içerir. Analize dayanarak meyveler, uygun paketleme, işleme veya dağıtım için otomatik olarak farklı kategorilere ayrılır ve derecelendirilir. YZ destekli ayıklama ve derecelendirme; verimliliği, doğruluğu ve tutarlılığı artırır, israfı azaltır ve hasadın değerini maksimize eder.

Meyveler ayıklanıp derecelendirildikten sonra, otomatik paketleme makineleri onları hassas bir şekilde paketleyebilir. YZ destekli OCR (Optik Karakter Tanıma) sistemleri, etiketleri, barkodları ve standartlara ve yönetmeliklere uygunluk için diğer önemli bilgileri doğrulayarak paketlemeyi doğruluk açısından kontrol edebilir. Paketlemenin bu şekilde denetlenmesiyle, ürünlerin son kullanma tarihinin geçmesi gibi durumların önüne geçilebilir. YZ, yanlış etiketleri veya geçmiş tarihleri tespit edebilir ve ürünler tüketicilere ulaşmadan önce bunların düzeltilmesini sağlayabilir.

Link to this sectionMeyvelerin perakende satışında ve dağıtımında YZ inovasyonları#

Şimdi, en iyi meyveleri paketlediğini ve teslimata hazır olduğunu düşünelim. YZ, rotaları optimize ederek meyvelerin lojistiğini ve taşınmasını iyileştirebilir. Meyveleri taşıma sırasında taze tutmak ve en verimli teslimat rotalarını bulmak büyük zorluklardır. YZ algoritmaları; trafik modellerini, hava koşullarını ve teslimat programlarını analiz ederek en iyi rotaları belirleyebilir ve seyahat süresini ve maliyetlerini azaltabilir.

Meyveler mağazaya ulaştıktan sonra, YZ envanter yönetimi ve talep tahmininde kritik bir rol oynamaya devam eder. YZ sistemleri, talebi daha doğru tahmin etmek için satış verilerini, müşteri tercihlerini ve sezonluk trendleri analiz edebilir. Perakende mağazaları, YZ'den gelen içgörülere dayanarak en uygun envanter seviyelerini koruyabilir ve aşırı stok yapma veya stokların tükenmesi riskini azaltabilir.

Şekil 5. Bir perakende mağazasında meyveleri yeniden dizen personel. Görsel kaynağı Envato Elements.

Bilgisayarlı görü, mağazalarda raf stoklarını gerçek zamanlı olarak izlemek için kullanılabilir. Nesne tespiti kullanarak, YZ destekli kameralar stokların azaldığını veya yanlış yerleştirildiğini tespit edebilir ve personeli rafları yeniden doldurmaları veya düzenlemeleri konusunda uyarabilir. Doğru miktarda taze ürünün doğru zamanda mevcut olmasını sağlayarak, YZ müşteri memnuniyetini artırmaya ve gıda israfını azaltmaya yardımcı olur.

Link to this sectionYZ'nin meyve sektörü üzerindeki genel etkisi#

YZ, tüketicilerin daha kaliteli meyvelere ulaşmasına yardımcı olma konusunda büyük bir potansiyele sahiptir. Meyve sektöründe başarılı YZ entegrasyonuna harika bir örnek Nature Fresh Farms firmasıdır. Nature Fresh Farms, operasyonlarını tohumdan mağazaya kadar YZ teknolojisini kullanarak dönüştürdü. YZ destekli sensörler ve veri analitiği, seradaki iklim ve nem seviyelerinden ürünlerin taşınmasıyla ilgili lojistiğe kadar her şeyi takip etmeye ve yönetmeye yardımcı olur. Nature Fresh Farms, yetiştirme koşullarını optimize etti, sulamayı kontrol altına aldı ve maliyetleri düşürdü. YZ sistemi ayrıca ürünlerin paketlemeden sonra 24-48 saat içinde süpermarket raflarına ulaşmasını sağlayarak nakliye süresini önemli ölçüde azaltıyor ve tazeliği koruyor.

Birçok faydasına rağmen, meyve sektöründe YZ kullanmanın bazı potansiyel dezavantajları da vardır:

• Uygulama maliyeti: YZ teknolojisine yapılan ilk yatırım yüksek olabilir, bu da bazı çiftçiler ve üreticiler için bir engel teşkil edebilir.
• Teknoloji bağımlılığı: YZ ve teknolojiye aşırı güvenmek, özellikle teknik sorunlar veya arızalar olması durumunda yönetilmesi zor olabilecek bir bağımlılık yaratabilir.
• Bakım ve onarım: YZ sistemlerinin etkili bir şekilde çalışması için düzenli bakım ve güncellemeler gerekir, bu da devam eden maliyetleri ve operasyonel karmaşıklığı artırabilir.
• Kullanım karmaşıklığı: Bazı çiftçiler YZ teknolojisini anlamayı ve kullanmayı zor bulabilir, bu da eğitim ve desteği gerekli kılar.

Link to this sectionYarını yetiştirmek#

Tohumların seçiminden meyvelerin olgunlaşmasına kadar YZ, çiftliklerden yemek masanıza kadar ürünlerin yaşam döngüsü boyunca tarımı değiştiriyor. Çiftçilerin toprak sağlığını izlemelerine, hasat için en iyi zamanları tahmin etmelerine ve ürünleri doğru bir şekilde ayıklamalarına yardımcı oluyor. Kaynakları optimize ederek, israfı azaltarak ve mahsul verimini artırarak YZ, çiftçiliği daha verimli ve sürdürülebilir hale getiriyor. Maliyetler, teknik uzmanlık ihtiyacı ve veri kalitesine olan bağımlılık gibi zorluklara rağmen, YZ'nin avantajları birçok durumda bu zorluklara değmesini sağlıyor. İşte bu yüzden giderek daha fazla çiftçi YZ'yi benimsiyor.

Stay connected with our community to keep learning about AI! Check out our GitHub repository to discover how we use AI to create innovative solutions in industries like manufacturing and healthcare. 🚀