Yapay zeka ve nesnelerin interneti kullanılarak toprak analizine bağlı en ekonomik sulama sistemi ile ekilebilir bitki çeşitliliği tespiti
Determination of arable plant diversity with the most economical irrigation system based on soil analysis using artificial intelligence and the internet of things
- Tez No: 1000192
- Danışmanlar: DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Elektrik ve Elektronik Mühendisliği, Agriculture, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, tarımsal ürün seçimi ve sulama planlamasını gerçek zamanlı toprak analizine dayalı olarak optimize etmek amacıyla Yapay Zeka (YZ) ve Nesnelerin İnterneti (IoT) teknolojilerini entegre eden bütünleşik bir yaklaşım sunmaktadır. Temel hedef, IoT sensörleri aracılığıyla dinamik toprak özelliklerini analiz ederek uygun ekilebilir bitki çeşitlerini belirlemek ve en ekonomik sulama sistemini önermektir. Çalışmada; toprak nemi, pH, azot (N), fosfor (P), potasyum (K) gibi besin elementleri ile sıcaklık ve nem gibi atmosferik değişkenleri içeren yüksek boyutlu bir veri seti kullanılmıştır. Sınıflandırma performansını artırmak ve hesaplama karmaşıklığını azaltmak amacıyla beş öznitelik seçimi yöntemi değerlendirilmiştir: Temel Bileşenler Analizi (PCA), Lasso Regresyonu, Parçacık Sürü Optimizasyonu (PSO), Lasso+PSO hibrit yöntemi ve TriFS (PCA+PSO+Lasso) adlı özgün üç aşamalı yaklaşım. Bu yöntemler, k-En Yakın Komşu (kNN), Lojistik Regresyon, Naive Bayes ve XGBoost gibi sınıflandırma algoritmalarıyla test edilmiştir. Deneysel sonuçlar, özellikle kNN ve XGBoost ile birlikte kullanıldığında TriFS yönteminin tüm sınıflandırıcılarda üstün performans sağladığını ve %97'nin üzerinde doğruluk elde edildiğini göstermektedir. PSO da özellikle XGBoost ile birlikte yüksek başarı göstermiş ve küresel optimizasyon konusundaki gücünü ortaya koymuştur. Buna karşılık, Naive Bayes sınırlı iyileşme sunarak, varsayımlarının karmaşık tarımsal verilerle yeterince uyumlu olmadığını göstermektedir. Gerçek zamanlı izleme ve YZ tabanlı analizlerin entegrasyonu, kaynak verimliliği, ürün verimi ve sürdürülebilirliği önemli ölçüde artırabilecek bir karar destek sistemi ortaya koymaktadır. Bu araştırma, geleneksel tarım uygulamaları ile akıllı tarım teknolojileri arasındaki boşluğu dolduran, ölçeklenebilir ve veri odaklı bir çözüm sunarak hassas tarımın gelişimine katkı sağlamaktadır.
Özet (Çeviri)
This study presents an integrated approach combining Artificial Intelligence (AI) and the Internet of Things (IoT) to optimize crop selection and irrigation planning based on real-time soil analysis. The primary objective is to identify suitable arable plant varieties and recommend the most economical irrigation system by analyzing dynamic soil properties through IoT sensors. The study utilizes a high-dimensional dataset comprising soil moisture, pH, nutrient levels (N, P, K) and atmospheric factors such as temperature and humidity. To enhance classification performance and reduce computational complexity, five feature selection techniques are evaluated: Principal Component Analysis (PCA), Lasso Regression, Particle Swarm Optimization (PSO), a hybrid of Lasso+PSO and a novel triple-stage method named TriFS (PCA+PSO+Lasso). These feature selection methods are tested using classifiers including k-Nearest Neighbors (kNN), Logistic Regression, Naive Bayes and XGBoost. Experimental results demonstrate that the TriFS approach achieves superior performance across all classifiers, particularly when combined with kNN and XGBoost, reaching over 97% accuracy. PSO also shows excellent results, especially with XGBoost, indicating its strength in global optimization. In contrast, Naive Bayes offers limited improvement, suggesting its assumptions are less suitable for complex, real-world agricultural data. The integration of real-time sensing and AI-based analysis leads to a decision-support system that can significantly improve resource efficiency, crop yield and sustainability in agriculture. This research contributes to the advancement of precision farming by providing a scalable, data-driven solution that bridges the gap between traditional practices and smart agriculture technologies.
Benzer Tezler
- Designing a microcontroller-based system for agricultural data monitoring
Tarımsal verilerin takibi amaçlı mikrodenetleyici tabanlı sistem tasarımı
GÖKTAN KIRAĞ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiMuğla Sıtkı Koçman ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT TENRUH
- Iot destekli sensör sistemleri kullanılarak saksı bitkilerinin gelişimlerinin değerlendirilmesi
Evaluation of the development of potted plants using iot-supported sensor systems
HÜSEYİN TÜRKMEN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İNAYET HAKKI ÇİZMECİ
- Nesnelerin interneti yardımıyla akıllı tarımda yapay zeka tabanlı gübre ve mahsül tahmini
Artificial intelligence-based fertilizer and crop forecasting in smart agriculture with the help of the internet of things
ZÜLKÜF GÜMAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FARUK BATURALP GÜNAY
- Tarım alanlarındaki çevresel parametrelerin IoT uygulamaları ile uzaktan izlenmesi ve kontrolü
Remote monitoring and control of environmental parameters in agricultural areas with IoT applications
ZEYNEP KÖPÜKLÜ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RADOSVETA İVANOVA SOKULLU
- Dijital dönüşüm sürecinde akıllı kentleşme yapay zeka ve nesnelerin interneti (IOT) entegrasyonu üzerine bir model önerisi
Smart urbanization in the digital transformation process: A model proposal on the integration of artificial intelligence and the internet of things (IOT)
TALHA AYDIN
Yüksek Lisans
Türkçe
2026
Kamu YönetimiAtatürk ÜniversitesiKamu Yönetimi Ana Bilim Dalı
DOÇ. DR. TUNA BATUHAN