Tarımsal sulama için IoT tabanlı pompa performansının izlenmesi ve makine öğrenimi modelleri ile kestirimci bakımın tahminlenmesi

Kırsal alanlarda tarım sulamaları için sulama pompaları kullanılmaktadır. Kırsal tarım alanında bulunan sulama pompalarının periyodik bakımı maliyetli ve zaman alıcıdır; gerçek zamanlı bilgi alınmasıyla sorunların önceden tespit edilmesi, maliyet ve zaman kayıplarını önler. Bu çalışmanın temel amacı, Nesnelerin İnternetini (IoT) kullanarak tarımsal sulama için kurulan pompanın performansını anlık olarak izlemek ve sistem verilerine regresyon modelleri uygulayıp genetik algoritma (GA) ile modeller için optimum parametre değerlerini sağlamaktır. İlk olarak otomasyon sistemi kurularak sıcaklık, nem, akım, gerilim ve pompa titreşim bilgileri "Thingspeak" adlı bir IoT platformuna aktarılmıştır. Ardından Qt kullanıcı arayüzü oluşturma araç seti ile bir uygulama oluşturulmuştur. Bu uygulama sayesinde sistemde meydana gelen arızalar anlık olarak kullanıcıya bildirilmiştir. Sistemin kestirimci bakımı, makine öğrenimi alanında iki aşamalı bir süreçten oluşmaktadır. İlk aşamada, dört farklı yöntem modeli değerlendirildi. Bu modeller doğrusal regresyon, polinom regresyon (PR), rastgele orman regresyonu (RFR) ve destek vektör regresyonudur (SVR). İkinci aşamada, GA kullanılarak PR, SVR ve RFR modellerinin en uygun parametreleri belirlendi. Sonuç olarak, veri seti için en uygun modelin rastgele orman regresyon modeli olduğu bulunmuştur. Bu tezin, tarımsal sulama için IoT tabanlı pompa performansı izleme ve makine öğrenimi modelleri kullanarak kestirimci bakım tahmini ile ilgilenen araştırmacılara katkı sağlayacağı umulmaktadır.