Development of Internet of Things (IoT) based system for agriculture using machine learning methods

Nesnelerin İnterneti (IoT), tarım alanında kullanılan yaygın teknolojilerden biri haline gelmiştir. Tarım arazilerindeki toprak sıcaklığı ve toprak neminin tahmini, bitkilerin büyümesi ve gelişmesinde önemli bir role sahiptir. Bu motivasyon göz önünde bulundurularak, bu tezde, IoT sensörleri tarafından toplanan gerçek veri setlerinden toprak sıcaklığını ve toprak nemini tahmin etmek için iki çalışma yapılmıştır. İlk çalışmada, toprak sıcaklığı tahmini sırasında sınıf etiketleri arasındaki ilişkileri (örneğin, düşük, orta, yüksek) dikkate alan, Toprak Sıcaklığı Sıralı Sınıflandırması (STOC) adlı yeni bir yöntem önerilmiştir. Önerilen yaklaşımın etkinliğini göstermek için, beş farklı makine öğrenmesi algoritması (karar ağaçları, Naive Bayes, k-en yakın komşu, destek vektör makineleri ve rastgele orman) kullanarak STOC yöntemi; Amerika Birleşik Devletleri'nin üç eyaletindeki (Utah, Alabama, ve New Mexico) 16 istasyondan IoT sensörleri tarafından 2011 ve 2020 yılları arasında beş toprak derinliğinden (2, 4, 8, 20, ve 40 inç) elde edilen gerçek verilere uygulanmıştır. İkinci çalışmada, üç toprak derinliğinde (15, 30, ve 45 cm) toprak nemini tahmin etmek için akıllı Toprak Nemi Tahmini için Çok-Çıkışlı Regresyon (MOR-SMP) yöntemi uygulanmıştır. Bu yaklaşım, Türkiye İzmir Kemalpaşa-Örnekköy istasyonundan IoT sensörleri tarafından elde edilen toprak verileri ve günlük meteorolojik veriler üzerine dokuz farklı makine öğrenmesi algoritması kullanılarak test edilmiştir. Deneysel sonuçlar, önerilen STOC ve MOR-SMP yöntemlerinin sırasıyla toprak sıcaklığını ve toprak nemini tahmin etmede iyi performans verdiğini göstermiştir. Böylelikle, önerilen yöntemler tarım sektörü için etkin bir şekilde kullanılabilecektir.