Derin öğrenme tabanlı akıllı geniş alan sulama sistemi

Geniş alan sulama faaliyetleri, aşırı su tüketimi, heterojen güneş ışığı maruziyeti ve tüm yüzeyde sulama adaletinin sağlanamaması gibi sorunlarla karşılaşmaktadır. Bu sorunlara çözüm olarak, sulama stratejilerinin bölgesel özelliklere uygun şekilde özelleştirilmesi ve su kaynaklarının verimli kullanılabilmesi amacıyla derin öğrenme ve görüntü segmentasyonu gibi modern teknolojilerin kullanımı bu tez çalışması kapsamında düşünülmüştür. Araştırmanın golf sahaları, stadyum çimleri ve şehir peyzajı gibi su tüketimi yüksek alanlarda hem su tasarrufu sağlayacağı hemde sulama kaynaklı heterojen bitki gelişimi sorunlarınada çözüm olacağı öngörülmektedir. Bu tez kapsamında kullanılan derin öğrenme yaklaşımı ve algoritmalar, bitkinin su ihtiyacını belirleme ve sulama gereksinimlerini öngörme konusunda etkili olabilir. Aynı zamanda canlı kamera görüntüleri veya alanın fotoğraflanması gibi görüntü tabanlı veri toplama yöntemlerinden elde edilen verilerle eğitilen bir yapay zeka modelinin, sulama konusunda uzmanlaşmış bir profesyonelin becerilerini herkesin kullanımına sunması hedeflenmektedir. Görüntü tabanlı veri toplama yönteminin sensör tabanlı sistemlere nazaran daha kolay uygulanabilir olması, daha az bir maliyet gerektirmesi, işletme ve bakım maliyetinin olmaması avantajları olarak karşımıza çıkmaktadır.