Akademik Veri Yönetim Sistemi
Torun E., Apaydın H. (Yürütücü)
TÜBİTAK Projesi, 2023 - 2024
İklim değişikliğinin etkileriyle
yüzleşirken, su kaynaklarının sürdürülebilirliğini sağlama ve tarımsal üretimde
yüksek verim elde etmek zor olabilir. Son zamanlarda yapılan araştırmalar,
yakın gelecekte Türkiye'de yağış miktarlarında önemli bir azalma ve kuraklık
seviyesinde ciddi bir artış olabileceğini göstermektedir. Ülkemizde tatlı su
tüketiminin yıllık yaklaşık % 77'sine sahip olan tarımda sadece basınçlı sulama
yöntemlerinin kullanılması su kaynaklarının yönetimi açısından yeterli
olmayacaktır. Bu nedenden ötürü optimum sulama ve kısıntılı sulama gibi
alternatiflerle su kullanım verimliliğini artıracak sulama planlanması
yapılmalıdır. Bu proje ile verim değerlerini koruyan ve hatta bu değerleri
artırırken, dönemsel su kullanımını optimize eden ve gelecekte akıllı çiftlik
sistemleri oluşturmaya yönelik yapay zekâ tabanlı karar destek sistemini ortaya
koymak amaçlanmaktadır.
Önerilen projede, Derin Öğrenme
(DÖ) ve Pekiştirmeli Öğrenme (PÖ) yöntemlerinin birleşimi ile ortaya çıkan
Derin Pekiştirmeli Öğrenme (DPÖ) adlı ileri yapay zekâ teknolojisi ve Deep Q
Network (DQN) algoritması kullanılacaktır.
Projede, Ankara bölgesinde
domates bitkisi ele alınarak DPÖ/DQN algoritmasıyla yetiştirme mevsimi boyunca
meteorolojik değişimi dikkate alarak sulama programı yapabilen bir model
oluşturulacaktır. DQN algoritmasını eğitmek için domates yetiştirme dönemini
temsil eden dinamik sanal bir ortam oluşturulacaktır. Meteoroloji Genel
Müdürlüğü'nden elde edilecek parametreler, Decision Support System for
Agrotechnology Transfer (Agroteknoloji Transferi için Karar Destek Sistemi-
DSSAT) yazılımına girilerek farklı ortam koşullarında verim değerleri simüle
edilecektir. DSSAT'tan elde edilecek verim, günlük toprak su içeriği ve ETc
değerleri ile yüksek doğrulukta sonuç veren farklı derin öğrenme
mimarileri eğitilecek ve test edilecektir. Bitkisel üretim büyük ölçüde çevre
şartlarına bağlı olduğu için farklı su miktarı, toprak özellikleri ve ayrıca
bitki türü/çeşidi hasat edilebilecek ürün miktarını etkilemektedir. Modelleme
için kullanılacak olan DPÖ teknolojisi, diğer yapay zekâ yöntemlerine benzer
şekilde, tüm koşullara uyan tek bir model ve model sonucunu etkileyen sabit hiper
parametre setlerine sahip değildir. Hem ortam koşulları hem de yönteme bağlı
olarak farklı alternatiflerde en yüksek başarıyı sağlayan modeli bulmak için
alternatif DQN algoritmaları oluşturularak değerlendirilecektir.
Projede, sulama ve verim
arasındaki optimum noktanın bulunması amaçlanmaktadır. Proje ile domates
üretiminde kullanılan sulama suyu miktarını yönetmek için DPÖ potansiyelini
keşfetmenin yanı sıra; ulusal yapay zekâ stratejisi 2021-2025 kapsamına katkı
sağlanması açısından, farklı bitkiler ve farklı bölgeler için farklı modeller
oluşturmak üzere DPÖ ile sulama planlaması geliştiren araştırmacıların
çalışmalarını kolaylaştırmak için özelleştirilebilir bir Python kütüphanesi
geliştirilmesi de amaçlamaktadır. Ayrıca önerilen proje ile, Türkiye'nin yapay
zekaya dayalı sulama otomasyonu sürecinde hızla ilerleyebilmesi için, sulama
planlamasında otomasyon cihazlarını yerli kaynaklarla üreten firmalara gelişmiş
ve yüksek performanslı teknoloji konusunda yardımcı olunabilecektir.