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 hydroponic crop market büyüklüğünün 2027 yılına kadar yaklaşık 53 milyar dolara ulaşması bekleniyor. Ancak bu büyüme, özellikle büyük çiftliklerde bitkilerin sağlığını koruma konusunda bazı zorlukları da beraberinde getiriyor.

Birçok topraksız tarım (hidroponik) çiftliği kapalı alandadır; bu da düşük besin seviyeleri veya erken hastalık belirtileri gibi küçük sorunların bile hızla yayılıp ürünlere zarar verebileceği anlamına gelir. Her bir bitkiyi manuel olarak kontrol etmek ve izlemek zaman alıcı olabilir ve hatalara yol açabilir. İşte computer vision gibi teknolojiler tam da burada yardımcı olabilir.

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 üzere eğitilebilir. Bu tür modeller, büyük kapalı çiftliklerde nesne tespiti ve örnek bölütleme gibi gerçek zamanlı computer vision tasks işlemlerini mümkün kilarak çiftçilerin sorunlar yayılmadan önce hızlı bir şekilde müdahale etmesini sağlar.

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

Hidroponik 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 bireysel bitkileri takip etmek daha zor hale gelir. Yaprak ve gövdelerin renk veya şeklindeki küçük değişiklikler bile stres veya hastalığın erken belirtileri olabilir. Bu sorunları çiftliğe yayılmadan yakalamak, yayılmasını önlemek için çok önemlidir. Düzenli crop monitoring ve hızlı hareket etmek, ürünlerin sağlıklı kalmasını ve istikrarlı verim alınmasını sağlamak için esastır.

Hidroponik tarımda bilgisayarlı görünün rolü#

Tıpkı geleneksel farming faaliyetlerinde olduğu gibi, hidroponik sistemlerde de bitki sağlığı doğru koşullara bağlıdır. Besin maddeleri, sıcaklık veya nem gibi faktörlerdeki hafif dengesizlikler bile sararan yapraklar, bodur büyüme veya hastalık gibi sorunlara neden olabilir. Topraksız tarım sistemleri kontrollü ortamlara dayandığından, herhangi bir aksama kısa süre içinde çok sayıda bitkiyi 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 ayrıca bireysel bitkileri tespit edebilen, yaprakları arka plandan ayırabilen, büyüme aşamalarını sınıflandırabilen ve zaman içindeki görünür değişiklikleri takip edebilen YOLO11 gibi Vision AI models ile de analiz edilebilir. Bu, bir bitkide veya bir grup bitkide yanlış giden bir şey olup olmadığını fark 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.

Hidroponik tarımda bilgisayarlı görünün uygulamaları#

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

Akıllı 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.

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

İlginç bir örnek, bazıları 1.000 pound'a kadar ağırlığa sahip büyük bitki modüllerini taşımak için tasarlanmış bir sera robotu olan Grover'dır. Güvenli bir şekilde navigate etmek için sensörler kullanır ve mahsul sağlığını izlemekten yararlanır. Hem hareketi hem de bitki değerlendirmesini ele alarak, Grover gibi robotlar sorunsuz günlük operasyonları destekler ve kontrollü tarım sistemlerinde manuel iş gücüne olan ihtiyacı azaltmaya yardımcı olur.

Fig 2. Topraksız tarım çiftliğinde bitki tepsilerini taşıyan otonom bir robot.

Mikro 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 şirketini ele alalım. Büyüme üniteleri, insanların tarım deneyimine sahip olmayabileceği iç mekanlar için tasarlanmıştır. Her ünite, bitki büyümesini izlemek için built-in cameras kullanır ve bir uygulama aracılığıyla faydalı güncellemeler ve bakım ipuçları göndererek bakımı kolaylaştırır.

Fig 3. Uzaktan izlemeye olanak tanıyan akıllı bir hidroponik ünite.

Vision 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:

• Bireysel bitkileri tespit edin: İlk olarak, kalabalık veya üst üste binen tepsilerde bile yetiştirme alanındaki her bir bitkiyi bulmak ve tanımlamak için object detection 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.

Fig 4. Marul tespiti için nesne tespiti kullanma.

Hidroponik 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 zayıf aydınlatma, yansımalar, kirli veya buğulanmış kamera lensleri ve accuracy değerini düşürebilen iç mekanlardaki yaygın sorunlar olan 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 eğitim gereksinimleri: AI modelleri, yeni bitki türleri, aydınlatma kurulumları veya büyüme sistemleriyle kullanıldığında retrained olmaları veya ince ayar yapılması gerekebilir, bu da karmaşıklığı artırır.

Öne 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.

Bilgisayarlı görü hakkında daha fazla bilgi edinmek için community topluluğumuza katıl ve GitHub repository sayfamıza göz at. Çözüm sayfalarımızda AI in retail ve computer vision in healthcare alanındaki farklı uygulamaları keşfet. licensing options seçeneklerimize göz at ve Vision AI ile bugün başla!