Görsel Yapay Zekâ destekli hidroponik tarım, bitki izlemeyi geliştiriyor

Çiftçilik deyince genellikle toprakta yetişen bitkileri düşünürüz. Ancak hidroponik tarım farklı bir yaklaşım benimser. Bu yöntem, hiç toprak kullanmadan bitkileri besinlerle zenginleştirilmiş suda yetiştirmeye odaklanır. Bitkilerin daha az alan ve su kullanarak daha hızlı büyümesine yardımcı olur. Tarım arazilerinin sınırlı olduğu bölgeler için harika bir seçenektir.

Küresel hidroponik ürün pazarının 2027'ye kadar yaklaşık 53 milyar dolara ulaşması bekleniyor. Ancak bu büyüme, özellikle büyük çiftliklerde bitki sağlığını korumak açısından bazı zorlukları da beraberinde getiriyor.

Birçok hidroponik çiftlik kapalı alanlarda bulunuyor; bu da düşük besin seviyeleri veya hastalıkların erken belirtileri gibi küçük sorunların hızla yayılıp ürünlere zarar verebileceği anlamına geliyor. Her bitkiyi elle kontrol edip izlemek zaman alabilir ve hatalara yol açabilir. Bilgisayarlı görü gibi teknolojiler bu noktada yardımcı olabilir.

Bilgisayarlı görü, görsel verileri işlemeyi ve anlamayı kapsayan bir yapay zekâ (AI) dalıdır. Kameralar ve görüntü analizi kullanarak bitkileri otomatik izleme yoluyla hidroponik tarımın zorluklarını ele almak için kullanılabilir.

Örneğin Ultralytics YOLO11 gibi Görsel Yapay Zeka modelleri bitkilerde stres, hastalık veya besin eksikliği belirtilerini tespit etmek üzere eğitilebilir. Bu tür modeller, büyük kapalı alan çiftliklerinde nesne algılama ve örnek segmentasyonu gibi gerçek zamanlı bilgisayarlı görü görevlerini mümkün kılarak çiftçilerin sorunlar yayılmadan hızla müdahale etmesini sağlar.

Bu yazıda, Görsel Yapay Zekâ destekli hidroponik tarımın verimliliği nasıl artırdığını, iş gücü ihtiyacını nasıl azalttığını ve sürdürülebilir tarımı nasıl desteklediğini ele alacağız.

Hidroponik tarım nedir?#

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

Arazinin kıt veya toprağın kalitesiz olduğu bölgelerde hidroponik tarım pratik bir çözüm olabilir. İlginç bir şekilde, topraksız tarım fikri eski çağlara dayanıyor; Babilliler ve Aztekler gibi uygarlıklar topraksız yetiştiriciliğin ilk biçimlerini geliştirmişti.

Şekil 1. Toprak kullanılmadan hidroponik çiftlikte yetişen marul. Görsel kaynağı: Pexels.

Hidroponik tarımın kökleri eski çağlara dayansa da modern teknoloji, onu günümüz tarım ihtiyaçlarına yönelik yüksek teknolojili bir çözüme dönüştürdü. Gelişmiş sistemler artık suyu ve besinleri doğrudan bitkilere ulaştırıyor. Örneğin Besin Filmi Tekniği (NFT), köklerin üzerinden ince bir su tabakası akıtırken aeroponik sistemler havada asılı duran köklere ince bir sis püskürterek besin sağlar.

Ancak bu çiftlikler büyüdükçe tek tek bitkileri takip etmek zorlaşır. Yaprak ve gövdelerin rengindeki veya şeklindeki küçük değişiklikler bile stresin ya da hastalığın erken belirtileri olabilir. Sorunların çiftliğe yayılmasını önlemek için bunları erkenden fark etmek çok önemlidir. Ürünlerin sağlıklı kalması ve istikrarlı verim alınması için düzenli ürün izleme ve hızlı müdahale şarttır.

Hidroponik tarımda bilgisayarlı görünün rolü#

Tıpkı geleneksel tarımda olduğu gibi, hidroponik tarımda da bitki sağlığı doğru koşullara bağlıdır. Besinler, sıcaklık veya nem gibi etkenlerdeki küçük dengesizlikler bile yaprakların sararması, bodur büyüme veya hastalık gibi sorunlara neden olabilir. Hidroponik sistemler kontrollü ortamlara dayandığından, herhangi bir aksaklık kısa sürede çok sayıda bitkiyi etkileyebilir.

Bilgisayarlı görü, çiftçilere ürünlerini izlemek için daha iyi bir yöntem sunar. Kameralar; bitki tepsileri, raflar veya dikey askılıklar gibi yetiştirme alanlarının üzerine kurulabilir ya da sıralar boyunca hareket eden raylara monte edilebilir. Bu kameralar günün her saati görüntü yakalayarak her bitkinin gelişiminin görsel bir zaman çizelgesini oluşturabilir.

Bu görüntüler, tek tek bitkileri tespit edebilen, yaprakları arka plandan ayırabilen, büyüme aşamalarını sınıflandırabilen ve zaman içindeki görünür değişiklikleri izleyebilen YOLO11 gibi Görsel Yapay Zeka modelleri tarafından da analiz edilebilir. Böylece bir bitkide veya bitki grubunda sorun olup olmadığını fark etmek kolaylaşır.

Örneğin birkaç bitkide soluk lekeler oluşmaya başlarsa bilgisayarlı görü bu örüntüyü tanıyıp etkilenen alanı vurgulayabilir. Görüntüleri uygulanabilir içgörülere dönüştüren Görsel Yapay Zeka, çiftçilerin olası sorunlara hızla müdahale etmesine, el emeğini azaltmasına ve ürünleri sağlıklı ve verimli tutmasına yardımcı olur.

Hidroponik tarımda bilgisayarlı görü uygulamaları#

Hidroponik sistemleri bilgisayarlı görüyle nasıl iyileştirebileceğimizi ele aldığımıza göre, şimdi bu teknolojinin şimdiden fark yarattığı gerçek dünya uygulamalarına göz atalım.

Akıllı hidroponik teknolojisi ve robotik#

Hidroponik çiftliklerde bitkiler genellikle farklı büyüme aşamalarında taşınması gereken, sıkıca yerleştirilmiş tepsilerde yetiştirilir. Tepsileri taşımak aydınlatmayı iyileştirebilir, bitki bakımını kolaylaştırabilir veya ürünleri hasada hazırlayabilir. Büyük çiftliklerde bu işi elle yapmak çok fazla zaman ve emek gerektirir.

Bilgisayarlı görü entegre edilmiş otonom robotlar bu süreci kolaylaştırabilir. Bu robotlar serada hareket ederken bilgisayarlı görü her bitkinin durumunu tespit etmeye yardımcı olabilir.

Bunun ilginç bir örneği, ağırlıkları 1.000 pound'a kadar çıkabilen büyük bitki modüllerini taşımak üzere tasarlanan sera robotu Grover'dır. Robot, güvenli biçimde yolunu bulmak için sensörler kullanır ve ürün sağlığını izlemek için Görsel Yapay Zekâdan yararlanır. Grover gibi robotlar hem taşıma hem de bitki değerlendirme işlerini üstlenerek günlük operasyonların sorunsuz ilerlemesini sağlar ve kontrollü tarım sistemlerinde el emeği ihtiyacını azaltmaya yardımcı olur.

Şekil 2. Hidroponik çiftlikte bitki tepsilerini taşıyan otonom bir robot.

Mikro çiftliklerde bilgisayarlı görüyle hassas tarım#

Hidroponik çiftliklerin her zaman geniş alanlara ihtiyacı yoktur. Taze yeşillikler yetiştirmek için ofis, okul veya hastane gibi yerlerde küçük üniteler kurulabilir. Bu sistemler genellikle eğitim, sağlıklı yaşam programları veya yerel gıda üretimi amacıyla kullanılır. Ancak bu sistemleri her gün yönetmek zor olabilir. Çalışanlar yoğun olabilir veya bitki bakımı konusunda deneyimsiz olabilir; bu da düzenli bakımı güçleştirir.

İşleri kolaylaştırmak için bitki sağlığını gün boyunca izlemek üzere sensörler, kameralar ve bilgisayarlı görü kullanılabilir. Örneğin Babylon Micro-Farms buna iyi bir örnektir. Yetiştirme üniteleri, tarım deneyimi olmayan kişilerin bulunduğu kapalı alanlar için tasarlanmıştır. Her ünite, bitki gelişimini izlemek için dahili kameralar kullanır ve bir uygulama üzerinden yararlı güncellemelerle bakım önerileri göndererek bakımı kolaylaştırır.

Şekil 3. Uzaktan izleme olanağı sunan akıllı bir hidroponik ünite.

Görsel Yapay Zekâ destekli otomatik bitki izleme#

Ürünleri birden fazla parti hâlinde yetiştirmek, bitkilerin farklı zamanlarda olgunlaşması anlamına gelir. Bunu yönetmek için çiftçilerin hangi bitkilerin hasada hazır, hangilerinin gelişmeye devam ettiğini bilmesi gerekir. Bilgisayarlı görü görüntüleri yorumlayarak, bitkilerin konumlarını tespit ederek ve büyüme evrelerini sınıflandırarak buna yardımcı olabilir; bu, bitki fenotiplemenin bir türüdür.

Bu yaklaşım, müdahalesiz izleme olanağı sunar; yani çiftçiler ürünlere fiziksel olarak dokunmadan veya onları rahatsız etmeden bitki sağlığını ve gelişimini takip edebilir. Sistem, görüntüleri düzenli olarak analiz ederek zaman içindeki ilerlemeyi izleyebilir ve bir bitkinin olgunlaşmaya yaklaştığını gösteren örüntüleri belirleyebilir.

İşleyişine daha yakından bakalım:

• Tek tek bitkileri tespit et: İlk olarak, yetiştirme alanındaki her bitkinin, sıkışık veya üst üste binmiş tepsilerde olsa bile konumunu belirlemek ve onu tanımlamak için nesne tespiti kullanılabilir.
• Bitki özelliklerini sınıflandır: Ardından renk, boyut ve şekil gibi görsel özellikleri analiz ederek bitkinin büyüme evresini belirlemek veya stres ya da hastalık belirtilerini tespit etmek için görüntü sınıflandırması kullanılabilir.
• Karar alma sürecine yönelik içgörüler oluştur: Bu görevler bir arada, bitki gelişiminin zaman içinde izlenmesini ve hangi bitkilerin hasada hazır olduğu, hangilerinin daha fazla zamana ihtiyaç duyduğu gibi açık ve zamanında içgörülerin çiftçilere sunulmasını sağlar.

Şekil 4. Marulu tespit etmek için nesne algılama kullanımı.

Hidroponik tarımda bilgisayarlı görünün artıları ve eksileri#

Hidroponik tarımda bilgisayarlı görü kullanmanın bazı önemli avantajları şunlardır:

• Operasyonları büyütmek daha kolaydır: Bilgisayarlı görü sistemleri kurulduktan sonra ek personele ihtiyaç duymadan daha fazla yetiştirme ünitesinde veya konumda kullanılabilir. Böylece denetim ve tutarlılık korunurken çiftliği büyütmek kolaylaşır.
• Uzaktan erişim ve kontrol: Birçok sistem, çiftçilerin ürünlerin durumunu her yerden görmesine ve uyarılar almasına olanak tanıyarak çiftlikleri sahada bulunmadan yönetmeyi kolaylaştırır.
• Tutarlılık artar: Otomatik izleme, insan hatasını azaltarak bitki bakımında daha fazla tutarlılık ve genel kalitede artış sağlar.

Hidroponik tarımda Görsel Yapay Zekânın pek çok yararı olsa da akılda tutulması gereken bazı kısıtlamalar da vardır. Göz önünde bulundurulması gereken birkaç etken şöyle:

• Çevre koşullarına duyarlılık: Bilgisayarlı görü sistemleri; yetersiz aydınlatmadan, yansımalarından, kirli veya buğulanmış kamera lenslerinden ve üst üste binen bitkilerden etkilenebilir. Kapalı alanlarda sık görülen bu sorunlar doğruluğu düşürebilir.
• Uyumluluk sorunları: Bazı çiftliklerin Görsel Yapay Zekâ sistemlerini desteklemek için altyapılarını yükseltmesi gerekebilir. Eski sistemlerde kamera ve sensörleri kurup çalıştırmak için gerekli güç kaynağı, fiziksel alan veya ağ bağlantısı bulunmayabilir.
• Modeli yeniden eğitme gereksinimleri: Yapay zekâ modellerinin yeni bitki türleri, aydınlatma düzenleri veya yetiştirme sistemleriyle kullanılırken yeniden eğitilmesi ya da ince ayar yapılması gerekebilir; bu da süreci karmaşıklaştırır.

Önemli çıkarımlar#

Nesne algılama ve örnek segmentasyonu gibi bilgisayarlı görü görevleri; bitki sağlığını, büyüme aşamalarını ve genel ürün performansını daha hızlı ve doğru biçimde izlemeyi sağlar. Stresin erken belirtilerini tespit etmekten hasat planlamasına yardımcı olmaya kadar, görü tabanlı sistemler el emeğini azaltır ve günlük işlerde daha fazla tutarlılık sağlar.

Görsel Yapay Zekâ teknolojisi gelişmeye devam ettikçe kullanımı kolaylaşıyor, farklı ürün türlerine uyarlanabilirliği artıyor ve her büyüklükteki çiftlikte ölçeklenebilir hâle geliyor. Erişilebilirliği ve hassasiyeti arttıkça bilgisayarlı görü, verimli ve veriye dayalı tarımın geleceğinde temel bir araç hâline gelebilir.

Bilgisayarlı görü hakkında daha fazla bilgi edinmek için topluluğumuza katıl ve GitHub depomuza göz at. Çözüm sayfalarımızda perakendede yapay zekâ ve sağlık hizmetlerinde bilgisayarlı görü uygulamalarını keşfet. Lisanslama seçeneklerimize göz at ve Görsel Yapay Zekâyı bugün kullanmaya başla!