Yapay zekâ destekli sürü robotları ile tarım bitkilerinin yetiştirilmesi ve zirai mücadelede kullanılması
Artificial intelligence-based swarm robots for growing agricultural plants and usage in agricultural control
- Tez No: 980657
- Danışmanlar: PROF. DR. YÜKSEL OĞUZ, DOÇ. DR. UĞUR FİDAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, tarım bitkilerinin yetiştirilmesi ve zararlılardan korunması süreçlerinde kullanılmak üzere yapay zekâ destekli sürü drone sistemi geliştirilmiş ve Gazebo simülasyon ortamında modellenmiştir. Çalışmanın temel amacı, tarımsal üretim süreçlerinde otonom olarak görev yapabilen sürü robotlarının görev planlama, nesne tespiti ve rota optimizasyonu bileşenlerini bütünleşik bir mimaride bir araya getirmektir. Geliştirilen sistem hem veri toplama hem de ilaçlama işlevlerini eş zamanlı olarak gerçekleştirebilen çoklu drone yapısına sahiptir. Sürüde görev alan kâşif drone, tarım arazisini sensör verileriyle tarayarak görüntü toplamakta; bu görüntüler YOLO (You Only Look Once) tabanlı derin öğrenme modeliyle işlenmekte ve tespit edilen hedef konumlar ilaçlama drone'larına aktarılmaktadır. Böylece bitkilerin bulunduğu alanlara hassas ve hedef odaklı ilaçlama yapılabilmektedir. Sistem mimarisi; Robot İşletim Sistemi (ROS), ArduPilot, MAVLink ve MAVROS protokollerinin entegrasyonu ile çoklu drone haberleşmesini, veri akışını ve görev senkronizasyonunu sağlamaktadır. Görev planlamasında Karınca Kolonisi Optimizasyonu (Ant Colony Optimization – ACO) ve En Yakın Komşu (Nearest Neighbor – NN) algoritmaları birlikte kullanılarak rota optimizasyonu yapılmış; uçuş mesafesi, bataryanın şarj durumu (State of Charge – SOC) değeri ve görev süresi parametrelerinde anlamlı iyileşmeler elde edilmiştir. Optimizasyon uygulanmayan senaryoda toplam uçuş mesafesi 960 m iken NN algoritmasıyla bu değer %10 azalarak 865 m'ye, ACO algoritmasıyla ise %13.4 azalarak 831 m'ye düşürülmüştür. Buna paralel olarak batarya SOC değerleri sırasıyla %63, %65 ve %66 olarak ölçülmüş ve ACO ile %4.54'lük bir avantaj elde edilmiştir. Aynı şekilde uçuş süreleri de sırasıyla 491.39 s, 470.34 s ve 447.28 s olarak kayıt edilmiş olup ACO ile yaklaşık %9'a varan bir iyileşme sağlanmıştır. Nesne tespiti modülünde YOLOv3 ve YOLOv5 modelleri karşılaştırmalı olarak değerlendirilmiş; en yüksek doğruluk YOLOv5x modelinde (%99.5 mAP@0.5) elde edilmiştir. Ancak sistemin gerçek zamanlı çalışabilmesi için hesaplama verimliliği yüksek olan YOLOv3 mimarisi tercih edilmiştir. Böylelikle, donanımsal kaynak kullanımı azaltılırken nesne tespitinde yeterli doğruluk korunmuştur. Ayrıca bir drone'un devre dışı kaldığı acil durum senaryolarında görevlerin kalan drone'lara otomatik olarak devredilmesiyle sistemin güvenilirliği ve sürekliliği artırılmıştır. Tez kapsamında geliştirilen yapay zekâ destekli sürü drone mimarisi, tarımsal ilaçlama, bitki izleme ve veri toplama süreçlerinde hız, doğruluk, enerji verimliliği ve görev güvenliği açısından önemli kazanımlar sağlamıştır. Nesne tespiti, görev paylaşımı ve rota optimizasyonu süreçlerinin bütünleşik biçimde yürütülmesi, tarımsal üretim süreçlerinde insan müdahalesini en aza indiren, ölçeklenebilir ve otonom bir çözüm ortaya koymuştur. Elde edilen sonuçlar, sürü robotlarının koordineli hareket kabiliyetinin hem kaynak kullanımını optimize ettiğini hem de operasyonel sürekliliği artırdığını göstermektedir. Ayrıca sistemin açık kaynaklı simülasyon ortamında geliştirilen modüler yapısı, farklı donanım platformlarına kolaylıkla uyarlanabilmesine olanak tanımaktadır. Bu çalışma, gelecekte otonom tarım sistemlerinde sürü robotlarının yaygın kullanımına yönelik güçlü bir mühendislik altyapısı sunmaktadır.
Özet (Çeviri)
In this Study, an artificial intelligence-supported swarm drone system was developed and modeled in the Gazebo simulation environment for use in cultivating agricultural plants and their protection against pests. The study's main objective is to integrate the components of mission planning, object detection, and route optimization of swarm robots capable of performing autonomous tasks in agricultural production processes within a unified architecture. The developed system features a multi-drone structure capable of simultaneously performing data collection and spraying tasks. The explorer drone scans the agricultural field within the swarm using sensor data to collect images. These images are processed by a deep learning model based on YOLO (You Only Look Once), and the detected target locations are transmitted to the spraying drones. Thus, precise and target-oriented pesticide application is achieved in areas where plants are located. The system architecture integrates the Robot Operating System (ROS), ArduPilot, MAVLink, and MAVROS protocols to ensure multi-drone communication, data flow, and mission synchronization. For mission planning, Ant Colony Optimization (ACO) and Nearest Neighbor (NN) algorithms were employed together for route optimization, resulting in significant improvements in flight distance, battery SOC value, and mission duration. In the non-optimized scenario, the total flight distance was 960 m, which decreased by 10% to 865 m with the NN algorithm and by 13.4% to 831 m with the ACO algorithm. In parallel, the battery SOC values were measured at 63%, 65%, and 66%, respectively, and a 4.54% advantage was achieved with ACO. Similarly, flight times were recorded as 491.39 s, 470.34 s, and 447.28 s, respectively, with an improvement of approximately 9% achieved with ACO. In the object detection module, YOLOv3 and YOLOv5 models were comparatively evaluated, and the highest accuracy was achieved with the YOLOv5x model (99.5% mAP@0.5). However, to ensure real-time operation of the system, the computationally efficient YOLOv3 architecture was preferred. This way, hardware resource utilization was reduced while maintaining sufficient detection accuracy. Moreover, in emergency scenarios where one drone becomes inoperative, the automatic reassignment of tasks to the remaining drones enhances the system's reliability and continuity. The artificial intelligence-supported swarm drone architecture developed within this thesis's scope has significantly improved speed, accuracy, energy efficiency, and operational safety for agricultural spraying, crop monitoring, and data collection processes. The integrated execution of object detection, task allocation, and route optimization has produced an autonomous, scalable solution that minimizes human intervention in agricultural production. The results demonstrate that the coordinated motion capability of swarm robots optimizes resource utilization and enhances operational continuity. Furthermore, the modular design developed in an open-source simulation environment enables easy system adaptation to different hardware platforms. This study provides a robust engineering foundation for the widespread use of swarm robots in future autonomous agricultural systems.
Benzer Tezler
- Avangart tasarım süreci için kent morfolojisi kısıtlayıcıları ile bir simülasyon modeli
A simulation model with urban morphology constraints for avant-garde design process
ASLI AĞIRBAŞ
Doktora
Türkçe
2016
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FETHİYE EMEL ARDAMAN
- Çekirge optimizasyon algoritması ve yapay sinir ağları kullanılarak hane güç tüketimi tahmini
Prediction of household power consumption using grasshopper optimization algorithm and artificial neural networks
TÜLİN SERT İRİ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Enerji santrallerinde çıkış gücünün yapay zeka destekli kestirimi
Artifical intelligence-based foracasting of output power in power plants
MURAT TEKİN
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiBandırma Onyedi Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT BERAT EFE
- ABS ve PLA filamentlerinden üretilen malzemelerin üretim sürecinin yapay zeka ile optimizasyonu
Optimization of the manufacturing process of materials produced from ABS and PLA filaments using artificial intelligence
ŞÜKRÜ SARIHAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIsparta Uygulamalı Bilimler Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM BACAK
- Terahertz Bandı Araç Haberleşmesi
Vehicular Communication in Terahertz Band
ENİS KÖRPE
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAVUZ ÖZTÜRK
PROF. DR. MUSTAFA ALPER AKKAŞ