Vision AI destekli hidroponik tarım bitki izlemeyi geliştirir

Tarımı düşündüğümüzde genellikle toprakta yetişen bitkiler gözümüzde canlanır. Ancak hidroponik tarım farklı bir yaklaşım sergiler. Bu yöntem, hiç toprak kullanmadan besin açısından zenginleştirilmiş suda bitki yetiştirmeye odaklanır. Bu yöntem, daha az alan ve su kullanarak bitkilerin daha hızlı büyümesine yardımcı olur. Tarım arazisinin sınırlı olduğu bölgeler için harika bir seçenektir.

Küresel hidroponik mahsul pazarının 2027 yılına kadar yaklaşık 53 milyar dolara ulaşması bekleniyor. Ancak bu büyüme, özellikle büyük çiftliklerde bitkilerin sağlıklı tutulmasıyla ilgili bazı zorlukları da beraberinde getiriyor.

Birçok hidroponik çiftlik kapalı alandadır, bu da düşük besin seviyeleri veya hastalıkların ilk belirtileri gibi küçük sorunların bile hızla yayılarak mahsullere zarar verebileceği anlamına gelir. Her bitkiyi manuel olarak kontrol etmek ve izlemek zaman alıcı olabilir ve hatalara yol açabilir. İşte bilgisayarlı görü gibi teknolojilerin yardımcı olabileceği nokta burasıdır.

Bilgisayarlı görü, görsel verileri işleme ve anlamayı içeren bir yapay zeka (AI) dalıdır. Kameralar ve görüntü analitiği kullanarak bitkileri otomatik olarak izleyip hidroponik tarımdaki zorlukların üstesinden gelmek için kullanılabilir.

Örneğin, Ultralytics YOLO11 gibi Vision AI modelleri, bitkilerdeki stres, hastalık veya besin eksikliği belirtilerini tespit etmek için eğitilebilir. Bu tür modeller, büyük kapalı çiftliklerde nesne algılama ve örnek segmentasyonu gibi gerçek zamanlı bilgisayarlı görü görevlerini mümkün kılarak çiftçilerin sorunlar yayılmadan önce hızlı bir şekilde müdahale etmelerini sağlar.

Bu makalede, Vision AI destekli hidroponik tarımın verimliliği nasıl artırdığını, iş gücünü nasıl azalttığını ve sürdürülebilir tarımı nasıl desteklediğini inceleyeceğiz. Haydi başlayalım!

Link to this sectionHidroponik tarım nedir?#

Hidroponik tarım, toprak kullanmadan bitki yetiştirme yöntemidir. Bitkiler bir yetiştirme ortamına yerleştirilir ve temel besinleri içeren su bazlı bir solüsyonla beslenir. Bu kontrollü ortam, geleneksel tarıma kıyasla mahsullerin daha hızlı büyümesini, daha az su kullanmasını ve daha az yer kaplamasını sağlar.

Arazi kıtlığının olduğu veya toprak kalitesinin düşük olduğu bölgelerde hidroponik, pratik bir çözüm olabilir. İlginç bir şekilde, topraksız tarım kavramı antik çağlara kadar uzanır; Babilliler ve Aztekler gibi medeniyetler, topraksız yetiştiriciliğin erken biçimlerini geliştirmişlerdir.

Şekil 1. Topraksız hidroponik bir çiftlikte yetişen marullar. Görsel kaynağı: Pexels.

Hidroponiğin antik kökleri olsa da, modern teknoloji onu günümüzün tarım ihtiyaçları için yüksek teknolojili bir çözüme dönüştürdü. Gelişmiş sistemler artık su ve besinleri doğrudan bitkilere ulaştırıyor. Örneğin, Besin Film Tekniği (NFT) köklerin üzerinden ince bir su tabakası akıtırken, aeroponik ise havada asılı duran köklere ince bir sis püskürterek besinleri ulaştırır.

Ancak bu çiftlikler genişledikçe, tek tek bitkileri takip etmek daha zor hale gelir. Yaprakların ve gövdelerin rengindeki veya şeklindeki küçük değişimler bile stres veya hastalığın erken belirtileri olabilir. Bu sorunları erken yakalamak, çiftlik genelinde yayılmalarını önlemek için çok önemlidir. Düzenli mahsul izleme ve hızlı aksiyon almak, mahsulleri sağlıklı tutmak ve istikrarlı verim sağlamak için gereklidir.

Link to this sectionHidroponik tarımda bilgisayarlı görünün rolü#

Tıpkı geleneksel tarımda olduğu gibi, hidroponikte de bitki sağlığı doğru koşullara bağlıdır. Besinler, sıcaklık veya nem gibi faktörlerdeki küçük dengesizlikler bile yaprakların sararması, büyümenin durması veya hastalık gibi sorunlara neden olabilir. Hidroponik sistemler kontrollü ortamlara dayandığından, herhangi bir aksaklık çok sayıda bitkiyi kısa sürede etkileyebilir.

Bilgisayarlı görü, çiftçilere mahsullerini izlemeleri için daha iyi bir yol sunar. Bitki tepsileri, raflar veya dikey askılar gibi yetiştirme alanlarının üzerine kameralar yerleştirilebilir ya da sıralar boyunca hareket eden raylara monte edilebilir. Bu kameralar günün her saati görüntü yakalayarak her bir bitkinin büyümesinin görsel bir zaman çizelgesini oluşturabilir.

Bu görüntüler, tek tek bitkileri tespit edebilen, yaprakları arka plandan ayırabilen, büyüme evrelerini sınıflandırabilen ve zaman içindeki görünür değişiklikleri takip edebilen YOLO11 gibi Vision AI modelleri tarafından analiz edilebilir. Bu, bir bitkide veya bir grup bitkide bir sorun olup olmadığını tespit etmeyi kolaylaştırır.

Örneğin, birkaç bitkide soluk lekeler oluşmaya başlarsa, bilgisayarlı görü bu deseni tanıyabilir ve etkilenen alanı vurgulayabilir. Görüntüleri eyleme dönüştürülebilir içgörülere çeviren Vision AI, çiftçilerin potansiyel sorunlara hızlı yanıt vermesine, manuel iş gücünü azaltmasına ve mahsulleri sağlıklı ve verimli tutmasına yardımcı olur.

Link to this sectionHidroponik tarımda bilgisayarlı görünün uygulamaları#

Bilgisayarlı görünün hidroponik sistemleri nasıl iyileştirdiğini tartıştığımıza göre, şimdi bu teknolojinin halihazırda fark yarattığı bazı gerçek dünya uygulamalarına göz atalım.

Link to this sectionAkıllı hidroponik teknolojisi ve robotik#

Hidroponik çiftlikler genellikle farklı büyüme evrelerinde taşınması gereken sıkışık tepsilerde bitki yetiştirir. Tepsileri taşımak aydınlatmayı iyileştirebilir, bitki bakımını basitleştirebilir veya mahsulleri hasada hazırlayabilir. Büyük çiftliklerde bunu manuel olarak yapmak çok zaman ve çaba gerektirir.

Bilgisayarlı görü ile entegre otonom robotlar, bu süreci daha kolay hale getirebilir. Bu robotlar serada hareket ederken, bilgisayarlı görü her bir bitkinin durumunu tespit etmeye yardımcı olabilir.

İlginç bir örnek, 1.000 pound'a kadar ağırlıktaki büyük bitki modüllerini taşımak için tasarlanmış bir sera robotu olan Grover'dır. Güvenli bir şekilde yol bulmak için sensörler kullanır ve mahsul sağlığını izlemek için Vision AI'dan yararlanır. Hem hareket hem de bitki değerlendirmesini üstlenen Grover gibi robotlar, sorunsuz günlük operasyonları destekler ve kontrollü tarım sistemlerinde manuel iş gücü ihtiyacını azaltmaya yardımcı olur.

Şekil 2. Bitki tepsilerini taşıyan hidroponik çiftlikte otonom bir robot.

Link to this sectionMikro çiftliklerde bilgisayarlı görü ile hassas tarım#

Hidroponik çiftliklerin her zaman büyük alanlara ihtiyacı yoktur. Ofisler, okullar veya hastaneler gibi yerlerde iç mekanlarda taze yeşillikler yetiştirmek için küçük üniteler kurulabilir. Bu kurulumlar genellikle eğitim, sağlık programları veya yerel gıda üretimi için kullanılır. Ancak, bunları günlük olarak yönetmek zor olabilir. Personel meşgul olabilir veya bitki bakımı konusunda deneyim eksikliği yaşayabilir, bu da tutarlı bakımı zorlaştırır.

İşleri kolaylaştırmak için, gün boyunca bitki sağlığını izlemek amacıyla sensörler, kameralar ve bilgisayarlı görü kullanılabilir. Örneğin Babylon Micro-Farms'ı ele alalım. Onların yetiştirme üniteleri, insanların tarım deneyimine sahip olmayabileceği iç mekanlar için tasarlanmıştır. Her ünite, bitki büyümesini izlemek için dahili kameralar kullanır ve bir uygulama aracılığıyla yararlı güncellemeler ve bakım ipuçları göndererek bakımı kolaylaştırır.

Şekil 3. Uzaktan izlemeyi sağlayan akıllı bir hidroponik ünite.

Link to this sectionVision AI tarafından desteklenen otomatik bitki izleme#

Birden fazla partide mahsul yetiştirmek, bitkilerin farklı zamanlarda olgunlaştığı anlamına gelir. Bunu yönetmek için çiftçilerin hangi bitkilerin hazır olduğunu ve hangilerinin hala gelişmekte olduğunu bilmesi gerekir. Bilgisayarlı görü, görüntüleri yorumlayarak, bitki konumlarını tespit ederek ve büyüme aşamalarını sınıflandırarak bunu destekleyebilir.

Bu yaklaşım, invaziv olmayan bir izleme sağlar; yani çiftçiler mahsullere fiziksel olarak dokunmadan veya onları rahatsız etmeden bitki sağlığını ve gelişimini takip edebilirler. Görüntüleri düzenli olarak analiz ederek sistem, zaman içindeki ilerlemeyi izleyebilir ve bir bitkinin olgunluğa ne zaman yaklaştığını gösteren kalıpları tespit edebilir.

Bunun nasıl çalıştığına daha yakından bakalım:

• Tek tek bitkileri tespit et: İlk olarak, nesne algılama, kalabalık veya üst üste binen tepsilerde bile her bir bitkinin yerini bulmak ve tanımlamak için kullanılabilir.
• Bitki özelliklerini sınıflandır: Ardından, görüntü sınıflandırma; bitkinin büyüme evresini belirlemek veya stres ya da hastalık belirtilerini tespit etmek için renk, boyut ve şekil gibi görsel özellikleri analiz etmek için kullanılabilir.
• Karar verme için içgörüler oluştur: Bir araya getirildiğinde bu görevler, bitki gelişimini zaman içinde takip etmeyi ve çiftçilere hangi bitkilerin hasada hazır olduğu ve hangilerinin daha fazla zamana ihtiyacı olduğu gibi net ve zamanında içgörüler sağlamayı mümkün kılar.

Şekil 4. Marulu tespit etmek için nesne algılama kullanımı.

Link to this sectionHidroponik tarımda bilgisayarlı görünün artıları ve eksileri#

İşte hidroponik tarımda bilgisayarlı görü kullanmanın bazı temel avantajları:

• Operasyonları ölçeklendirmek daha kolay: Kurulduktan sonra bilgisayarlı görü sistemleri, ek personele ihtiyaç duymadan daha fazla yetiştirme ünitesinde veya konumda kullanılabilir. Bu, kontrolü ve tutarlılığı korurken çiftliği genişletmeyi kolaylaştırır.
• Uzaktan erişim ve kontrol: Birçok sistem, çiftçilerin mahsul koşullarını görüntülemesine ve her yerden uyarı almasına olanak tanır, bu da çiftlikleri sahada olmadan yönetmeyi kolaylaştırır.
• Geliştirilmiş tutarlılık: Otomatik izleme, insan hatasını azaltır ve daha düzgün bir bitki bakımı ile daha yüksek genel kalite sağlar.

Hidroponik tarımda Vision AI'nın birçok faydasına rağmen, dikkat edilmesi gereken birkaç sınırlama da vardır. İşte göz önünde bulundurmanız gereken birkaç faktör:

• Çevresel koşullara duyarlılık: Bilgisayarlı görü sistemleri; kötü aydınlatma, yansımalar, kirli veya buğulanmış kamera lensleri ve kapalı ortamlarda yaygın olan ve doğruluğu azaltabilen üst üste binen bitkilerden etkilenebilir.
• Uyumluluk sorunları: Bazı çiftlikler, Vision AI sistemlerini desteklemek için altyapı yükseltmelerine ihtiyaç duyabilir. Eski kurulumlar, kameraları ve sensörleri kurup çalıştırmak için gerekli güç kaynağından, fiziksel alandan veya ağ bağlantısından yoksun olabilir.
• Model yeniden eğitme gereksinimleri: AI modelleri, yeni bitki türleri, aydınlatma kurulumları veya yetiştirme sistemleriyle kullanıldığında yeniden eğitilmeleri veya ince ayar yapılması gerekebilir, bu da karmaşıklığı artırır.

Link to this sectionÖne çıkanlar#

Nesne algılama ve örnek segmentasyonu gibi bilgisayarlı görü görevleri; bitki sağlığını, büyüme evrelerini ve genel mahsul performansını takip etmeyi daha hızlı ve daha doğru hale getirir. Stresin erken belirtilerini tespit etmekten hasat planlamasına yardımcı olmaya kadar, görü tabanlı sistemler manuel iş gücünü azaltır ve günlük görevlere daha fazla tutarlılık getirir.

Vision AI teknolojisi ilerlemeye devam ettikçe, kullanımı daha kolay, farklı mahsul türlerine daha uyarlanabilir ve her boyuttaki çiftlik için ölçeklenebilir hale geliyor. Artan erişilebilirliği ve hassasiyetiyle bilgisayarlı görü, verimli ve veri odaklı tarımın geleceğinde temel bir araç haline gelmeye hazırlanıyor.

Topluluğumuza katıl ve bilgisayarlı görü hakkında daha fazla bilgi edinmek için GitHub depomuza göz at. Çözüm sayfalarımızda perakendede AI ve sağlık hizmetlerinde bilgisayarlı görü uygulamalarını keşfet. Lisanslama seçeneklerimize bir göz at ve Vision AI ile bugün çalışmaya başla!