Food scarcity and population growth are among the biggest challenges facing sustainable development worldwide. However, the impact of climate change will cause uncertainties in agriculture, as in many other areas. Advanced technologies such as artificial intelligence (AI), Internet of Things (IoT), Geographic Information Systems (GIS) and mobile internet can provide realistic solutions to the challenges facing the world. Today, with the widespread use of sensor device, it has become widespread to obtain and examine data from agricultural areas. This study focuses on product forecasting with data analysis in smart agriculture systems. Machine learning models are created using soil data (ph value, nitrogen value, potassium value and phosphorus value) and climate data (temperature, rainfall and humidity) provided via Kaggle. The created models are compared according to accuracy, precision, recall, f-score and the running time of the algorithm. The model developed with the Random Forest algorithm gave the most optimum results with a running time of approximately 0.05 s and an accuracy of 99.5%. Then, the Random Forest algorithm was applied to the data provided by the Indian ministries and finally, the agricultural product map of India is created.
Gıda kıtlığı ve nüfus artışı, dünya çapında sürdürülebilir kalkınmanın karşı karşıya olduğu en büyük zorluklardandır. Bununla beraber iklim değişikliğinin etkisi diğer birçok alanda olduğu gibi tarım alanında da belirsizliklere neden olacaktır. Yapay zekâ (AI), Nesnelerin İnterneti (IoT), Coğrafi Bilgi Sistemleri (CBS) ve mobil internet gibi gelişmiş teknolojiler, dünyanın karşı karşıya olduğu zorluklara gerçekçi çözümler sağlayabilmektedir. Günümüzde sensör cihazlarının yaygınlaşması ile tarım alanlarından veri elde etmek ve ham veriden bilgi üretmek yaygınlaşmıştır. Bu çalışma, Akıllı tarımda veri analizi ile ürün tahmini üzerine yoğunlaşmıştır. Kaggle üzerinden sağlanan toprak (ph, azot, potasyum ve fosfor değeri) ve iklim verileri (sıcaklık yağış ve nem) kullanılarak veri madenciliği algoritmaları ile farklı modeller oluşturulmuştur. Oluşturulan modeller doğruluk, kesinlik, duyarlılık, f-skor ve algoritmanın çalışma zamanına göre kıyaslanmıştır. Rastgele Orman algoritmasıyla geliştirilen model, çalışma süresi yaklaşık 0,05 s ve %99,5’lik doğruluk değeri ile en optimum sonuçları vermiştir. Daha sonra, Rastgele Orman algoritması Hindistan bakanlıklarınca sağlanan toprak verileri ve meteoroloji verilerine uygulanmış ve Hindistan’ın tarımsal ürün haritası oluşturulmuştur.
Primary Language | Turkish |
---|---|
Subjects | Computer Software |
Journal Section | Research Articles |
Authors | |
Publication Date | December 30, 2022 |
Submission Date | March 4, 2022 |
Acceptance Date | April 27, 2022 |
Published in Issue | Year 2022 Volume: 10 Issue: 4 |