Hassas tarim uygulamalari üzerinde makine öğrenmesi teknikleri kullanimi

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.