USAGE OF MACHINE LEARNING METHODS ON PRECISION AGRICULTURE APPLICATIONS

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Ankara Yıldırım Beyazıt Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: Yekta Can YILDIRIM

Danışman: Mustafa Yeniad

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Hassas Tarım teknolojileri çiftçilere arazileri, ürünlerinin durumu ve çevreleri hakkında uzaktan algılama sistemlerinin yardımıyla bilgi ve kontrol imkanı sağlayarak karar verme sürecinde onlara destek olmayı planlamaktadır. Uzaktan algılama sistemi multispektral bantlarından elde edilmiş bitki örtüsü indeksleri bitkilerin nitrojen, klorofil ve su miktarı hakkında önemli bilgi taşır, bu da çiftçilerin manüel bir incelemeye gerek kalmadan sulama ve ilaçlama planlamalarına destek sağlar. Bu çalışmada hassas tarım uygulamalarında makine öğrenmesi tekniklerinin kullanımının keşfi hedeflenmiş olup, Türkiye'nin Manisa ilçesindeki zeytin ağaçlarına yoğunlaşılmıştır. Bir insansız hava aracı (İHA) sistemine entegre edilmiş OCN kamerasının spektral verilerini kullanarak, NDVI verisi hesaplanmış ve ağaç pikselleri bu veriyi kullanarak MiniBatchKMeans algoritmasıyla diğer piksellerden ayrıştırılmıştır. Rekolte ve hastalık tahmini için azami öznitelikler modellerin doğruluk oranlarının karşılaştırılması sonucu belirlenmiş ve NDVI, NNI, NDWI ve ağaç piksel büyüklükleri seçilmiştir. Rekolte verisi için Karar Ağacı Regresyon (KAR) modeli eğitilmiş, hastalık tahmini için Rastgele Orman Sınıflandırma (ROS) modeli eğitilmiştir. Ağaç piksel ayrıştırma sonucunun doğruluk oranı 0.85 ve 0.95 arasında belirlenmiş, KAR algoritmasının R2 puanı 0.95 ve ROS algoritmasının doğruluk oranı 0.98 olarak hesaplanmıştır, bu da bitki örtüsü indekslerinin önemi ve kullanışlılığını vurgulamaktadır.