Makine öğrenmesi algoritmaları kullanılarak tarım alanında ürün seçimini optimize etmeye yönelik bir çalışma

Çiftçilerin geleneksel yöntemlere dayanarak araziye ekilecek en uygun ürünü seçmeleri, çeşitli zorluklar ve belirsizlikler içermektedir. Bu durum, tarımsal verimliliği olumsuz etkileyebilir ve çiftçilerin gelirlerini azaltabilir. Dolayısıyla, bu sorunun çözülmesi, hem çiftçilerin refahı hem de ülkenin tarımsal sürdürülebilirliği açısından büyük önem taşımaktadır. Bu çalışmada, Büyük Veri Analitiği ve Makine Öğrenimi yöntemlerinin entegrasyonu ile çiftçilerin doğru mahsul seçiminde karşılaştıkları zorlukların hafifletilmesi hedeflenmektedir. Hindistan Gıda ve Tarım Odası tarafından sağlanan veritabanı üzerinden toplanan veriler, bu araştırmanın temelini oluşturmaktadır. Kullanılacak veriseti, mahsullerin ayrıntıları, toprak bileşimi, mahsulün büyümesi için uygun hava koşulları, sıcaklık, toprağın pH değeri ve yağış miktarı gibi çeşitli özellikleri içermektedir. Bu özellikler, çiftçilerin doğru mahsul seçiminde kritik öneme sahip bilgiler sunmakta ve yanlış mahsul seçimini azaltarak tarımsal üretkenliği artırma potansiyeli taşımaktadır. Araştırmada, Naive Bayes, Gradient Boosting, Artificial Neural Network, Random Forest Classifier ve Voting Classifier gibi uygun makine öğrenmesi yöntemleri belirlenmiştir. Bu algoritmalar, verisetinin özelliklerine göre en iyi performansı gösterecek şekilde seçilmiştir. Modelin geliştirilmesi sürecinde, ön işleme adımları gerçekleştirilmiş ve verilerin temizlenmesi, normalleştirilmesi ve uygun özelliklerin seçilmesi gibi işlemler yapılmıştır. Model eğitimi tamamlandıktan sonra, performans metrikleri olan kesinlik, duyarlılık ve F1 puanı gibi kriterler kullanılarak kapsamlı bir analiz gerçekleştirilmiştir Analiz sonuçları, hem eğitim hem de test verilerinde Naive Bayes algoritmasının %99,54'lük hassasiyet oranıyla en iyi performansı gösterdiğini ortaya koymuştur. Bu sonuç, Naive Bayes algoritmasının, tarımsal verilerin sınıflandırılması ve doğru mahsul önerisi konusunda etkili bir araç olduğunu göstermektedir. Sonuç bölümünde, bu yöntemlerin başarıları ve tarımsal uygulamalardaki potansiyel etkileri tartışılmıştır. Ayrıca, gelecekteki araştırmalar için önerilerde bulunulmuş ve makine öğrenimi tekniklerinin tarım sektöründe daha geniş bir şekilde nasıl uygulanabileceği üzerinde durulmuştur.