Üniversiteli gençlerden drone desteğiyle bitki hastalıklarını tespit eden sistem

Gebze Teknik Üniversitesinde (GTÜ) tarımda insansız hava araçlarının (İHA) kullanımına yönelik çalışmalar yapan Tespit Odaklı Analiz Faaliyetleri (TOAF) Takımı öğrencileri, arazilerin havadan çekilen görüntülerini işleyerek üründe hastalık tespiti ve rekolte tahmini yapabilen sistemlerini çiftçinin kullanımına sunmak istiyor.

Tarımda verimi artırmak ve üreticilerin maliyetlerini düşürmeye yönelik projeler geliştirmek için bir araya gelen mühendislik öğrencileri, yaklaşık 3 yıl önce 5 kişilik TOAF Takımı adıyla çalışmalarına başladı.

Geçen sürede çalışmalarını tarımsal İHA'lar üzerine yoğunlaştıran öğrenciler, bu kapsamda son 1 yılda tarım arazilerinin havadan çekilen görüntülerini işleyerek tanımlı hastalıkları tespit edebilen ve rekolte tahmini yapabilen sistemi hayata geçirdi.

Pilot bölge olarak belirlenen arazideki denemelere göre, İHA'lar üzerinde bulunan standart RGB kamerayla araziden alınan görüntüler, birleştirilerek yüksek çözünürlüklü arazi haritasına dönüştürülüyor. Bulut ağa aktarılan veriler yapay zeka algoritmasıyla analiz edilerek tarım ürünlerindeki tanımlı hastalıklar noktasal olarak tespit ediliyor, rekolte tahmini yapılıyor.

"Hastalıkları yüzde 90'ın üzerinde doğruluk oranıyla tespit edebiliyoruz"

Takım kaptanı ve Bilgisayar Mühendisliği Bölümü 3. sınıf öğrencisi Yakup Ablak, AA muhabirine, görüntü alma ve ilaçlama İHA'sından oluşan sistemde, çiftçiler için en verimli ilaçlama ve hasat takvimini oluşturmayı amaçladıklarını söyledi.

Yazılımını yaptıkları yapay zeka modelini oluşturdukları veri setleriyle desteklediklerini aktaran Ablak, "Mesela bir domateste tespit edeceğimiz hastalıklarla ilgili veri setleri oluşturuyoruz. Bu verilerle de algoritmamızı eğitip sonuç elde ediyoruz." dedi.

Ablak, geliştirdikleri yapay zeka tabanlı sistemin nasıl çalıştığını şöyle anlattı:

"Küçük drone ile arazi üzerinden görüntüler alıyoruz. Bu aldığımız görüntüleri bilgisayardan veya bulut ağ sistemi üzerinden işliyoruz ve bir sonuç elde ediyoruz. Bu sonuca göre de otonom uçuş kartını programlayıp doğru koordinatlarla ilaçlamayı gerçekleştiriyoruz. Şu an sisteme tanımlı domates üzerine 5 hastalık var. Mısır üzerinde de 5 hastalığı tespit edebiliyoruz. Bu hastalıkları yüzde 90'ın üzerinde doğruluk oranıyla tespit edebiliyoruz. Diğer hastalıklarla ilgili çalışmalarımız devam ediyor."

"Uygun yerlere uygun miktarda ilaçlama yapmasını sağlıyoruz"

Takım üyelerinden Endüstri Mühendisliği 2. sınıf öğrencisi Enes Ergül de tarımda verimi artırma hedefiyle çıktıkları yolda yapay zeka tabanlı görüntü işleme algoritmaları geliştirdiklerini ifade etti.

Geliştirdikleri sistemin çiftçinin yetiştirdiği üründeki hastalığın tarlanın hangi kısmında ve ne kadar büyüklükte olduğuyla ilgili bilgiler sağladığını aktaran Ergül, yaptıkları pilot bölge çalışmalarında yüksek verim elde ettiklerini, bu sayede hem aşırı ilaçlamanın bitkiye zararını azalttıklarını hem de ilaçlama maliyetlerini düşürdüklerini vurguladı.

Ergül, rekolte tahminiyle çiftçinin yıl sonunda ne kadar ürün hasat edeceğini de tespit edebildiklerini belirterek, şöyle devam etti:

"Çiftçi normalde nerede hastalık var, nerede yok ayırt etmeksizin tarlanın tamamına ilaçlama yapıyor. Bu da maliyetin çok önemli kısmını oluşturuyor. Dahası fazla ilaçlama bitkilere zarar vererek verimi de düşürüyor. Burada çiftçinin uygun yerlere uygun miktarda ilaçlama yapmasını sağlıyoruz. Bu sistem küçük tarlalarda kullanılabildiği gibi büyük arazilerde çok daha verimli oluyor. 20 dakika gibi bir sürede yaklaşık 100 dönümlük araziyi tarayabiliyoruz. Taradığımız alanda hangi bölgede ne hastalık olduğunu belirliyoruz. Bu şekilde daha verimli ilaçlama yapılmasını hedefliyoruz."

Şu an ticarileşme kapsamında bazı şirketlerle görüşme halinde olduklarını dile getiren Ergül, "Demo çalışmalarıyla şirketlere gidiyoruz, onların da ilgisi oluyor. Tarım sektöründe bu alanda ilaçlama yapanlar var ama birebir tespit yapan herhangi bir çalışma bulunmuyor." ifadelerini kullandı.