Akademik Veri Yönetim Sistemi
Ülkü İ. (Yürütücü), Tanrıöver Ö. Ö., Ar H.
TÜBİTAK Projesi, 2024 - 2025
Yakın kızılötesi (NIR) ve kısa dalga
kızılötesi (SWIR) dalga boyları sağlıklı bitkilerin tespiti için kritik öneme
sahiptir. Hassas tarım (PA) uygulamaları için bu dalga boylarındaki bilgilerin birlikte
kullanılması önemlidir. Ancak atmosfer koşulları veya sensör problemleri
nedeniyle, uzaktan algılama yoluyla elde edilen bu dalga boylarında bilgi
eksikliği yaşanmaktadır. Proje, farklı PA uygulamaları için hem eğitim hem de
çıkarım (inference) aşamalarında NIR ve SWIR dalga boylarında eksik bilgi
olduğu durumlara dayanıklı, çok modlu Transformer tabanlı bir anlamsal
bölütleme modeli tasarlamanın, tüm dalga boyları mevcut olduğunda elde edilen
doğruluk oranlarına benzer sonuçlar sağlayıp sağlamayacağını araştırmaktadır.
Ayrıca, parametre-etkin düşük-sıra adaptasyon (LoRA) yaklaşımının bu model ile
kullanılmasının, az sayıda parametre ile depolama yükü olmadan farklı PA
uygulamaları için uygunluğu incelenecektir.
Bu proje, yürütücüye, multispektral
görüntüleri kullanarak anlamsal bölütleme uygulama deneyimlerine dayanan
uzmanlık alanını genişletme fırsatı sunmaktadır. Yürütücünün çok modlu model
tasarımı konusunda deneyimi yoktur. Bu proje ile yürütücü, çoklu görev
öğrenimiyle multispektral görüntüler için çok modlu model geliştirme ve eksik
modalitelerde özelleştirme becerileri kazanacaktır. Çok modlu modelleme,
literatürde giderek önem kazanmaktadır. Yürütücü, bu alanlarda uzmanlaşarak
gelecekteki çalışmalara katkı sunacak ve yapay zekâ ile tarım bilimlerini
birleştiren disiplinlerarası iş birliklerine zemin hazırlayacaktır.
Literatürde uzaktan algılama alanında
NIR ve SWIR dalga boylarındaki eksiklikleri ele alan çalışmalar yetersizdir. Bu
proje, çoklu görev öğrenimi yaklaşımı ile NIR ve SWIR dalga boylarında olası
bilgi eksikliklerine dayanıklı, çok modlu Transformer tabanlı bir model
geliştirerek özgün bir çözüm sunmayı hedeflemektedir. Ayrıca, ilk kez LoRA
adaptasyonu bu durum için kullanarak farklı PA uygulamalarında parametre
kaynaklı depolama yükü olmadan yüksek doğruluk sağlayacak bir model
geliştirilecektir. Böylece, hem eğitim hem de çıkarım aşamalarında eksik dalga
boyu bilgisine dayanıklı özgün bir model geliştirilerek farklı PA uygulamaları
için genel bir çerçeve oluşturulacaktır.
Projenin ilk aşamasında, eğitim
sırasında bilgi eksikliği olduğunda bile yüksek doğruluk sağlayabilen anlamsal
bölütleme modeli geliştirilmesi amaçlanmaktadır. Modaliteye özgü intra-modal
kodlayıcı, modalite-bağımsız inter-modal kodlayıcı ve konvolüsyonel kod
çözücüden oluşacak model, mevcut dalga boylarına özgü özellikleri birleştirerek
ortak bir gizli temsil öğrenmeyi ve çok ölçekli özellikleri dikkate almayı
hedeflemektedir. İkinci aşamada, geliştirilen modelin çıkarım aşamasında eksik
bilgiye dayanıklı hale gelmesi ve öğrenilebilir parametre sayısının azalması
için LoRA adaptasyonu uygulanacaktır. Eğitilen büyük modelin ağırlıkları
dondurularak sadece Transformer bloklarındaki sorgu ve değer katmanlarına
eklenen adaptasyon katmanları öğrenilecektir.
Bu proje önerisi, sürdürülebilir çevre
dostu tarım tekniklerinin yaygınlaşmasına öncülük ederek verimliliği arttırmayı
ve çevresel etkileri azaltmayı hedeflemektedir. Bitki hastalıklarının erken
tespiti sayesinde pestisit kullanımını düşürerek hem üretim maliyetlerini hem
de çevre kirliliğini azaltacaktır. Tarım arazilerinin etkin izlenmesi,
verimliliği artırarak kaynak tasarrufu sağlayacaktır. Ayrıca proje, küresel
dijital tarım pazarında rekabetçiliği artırarak Türkiye'nin tarım ürünleri
ihracatına katkı sağlayacaktır. Tüm bu beklenen etkiler, küresel pazardaki 2053
yılı net sıfır emisyon hedeflerinin ve Türkiye’nin yeşil ve dijital dönüşümle
uyumlu tarım politikalarının desteklenmesine katkı sağlayacaktır.