Derleme

Uzaktan Algılama, Yapay Zeka ve Geleceğin Akıllı Tarım Teknolojisi Trendleri

Sayı: 52 15 Aralık 2023
PDF İndir
TR EN

Uzaktan Algılama, Yapay Zeka ve Geleceğin Akıllı Tarım Teknolojisi Trendleri

Öz

Gelecek vadeden bir sektör olarak dijital tarım ve teknolojiler; verimliliği ve üretkenliği iyileştirmeye, biyolojik çeşitliliğin ve toprağın korunmasına, gıda güvenliğinin iyileştirilmesine, sağlık ve beslenmeye, iklim değişliği ile mücadeleye ve kıt kaynaklar üzerindeki baskının azaltılmasına yardımcı olabilir. Akıllı tarımda nesnelerin interneti (IoT), kablosuz sensör ağları (WSN), uzaktan algılama (RS), insansız hava araçları (İHA), büyük veri analitiği, makine öğrenmesi (ML), derin öğrenme (DL) ve yapay zeka (AI) kullanımı, tarım ve endüstrinin uzun ömürlü ve sürdürülebilir olması için kritik öneme sahiptir. AI ve ML tarımda öncelikle verim tahmini, yabancı ot, hastalık, azot ve su stresi tespiti, ürün kalite özelliklerinin tespiti ve sınıflandırılması, bitki türlerinin tanımlanması ve sınıflandırılması gibi bitki yönetimi alanlarında kullanılacağı gibi evapotranspirasyon ve sıcaklık tahmini, toprak kurumasının değerlendirilmesi, toprak sıcaklığı, toprak nemi, sulama zamanı, miktarı ve optimizasyonunun belirlenmesi, toprakta karbon ve azot tahmini gibi toprak ve su yönetiminde öneriler sunabilir. Bu derlemede, tarımı daha verimli hale getirme ve sürdürülebilirlik için WSN, IoT, AI ve ML gibi temel teknolojiler kullanılarak bilginin algılanması, izlenmesi, toplanması, analiz edilmesi ve bilgilerden anlamlı öngörüler çıkarılarak tarımsal faaliyetlerde uygulanabilirliği tartışılmıştır.

Anahtar Kelimeler

Kaynakça

  1. Abioye, E.A., Abidin, M.S.Z., Mahmud, M.S.A., Buyamin, S., Ishak, M.H.I., Rahman, M.K. I.A., Otuoze, A.O., Onotu, P., & Ramli, M.S.A. (2020). A review on monitoring and advanced control strategies for precision irrigation. Computers and Electronics in Agriculture, 173, 105441.
  2. Ahirwar, S., Swarnkar, R., Bhukya, S., & Namwade, G. (2019). Application of drone in agriculture. International Journal of Current Microbiology and Applied Sciences, 8(1), 2500–2505.
  3. Ahmad, A., Ordoñez, J., Cartujo, P., & Martos, V. (2021). Remotely piloted aircraft (RPA) in agriculture: A pursuit of sustainability. Agronomy, 11(1), 7.
  4. Alreshidi, E. (2019). Smart sustainable agriculture (SSA) solution underpinned by internet of Things (IoT) and artificial intelligence (AI). International Journal of Advanced Computer Science and Applications, 10(5), 93-102.
  5. An, J., Li, W., Li, M., Cui, S., & Yue, H. (2019). Identification and classification of maize drought stress using deep convolutional neural network. Symmetry, 11(2), 256.
  6. Apolo-Apolo, O.E, Martínez-Guanter, J., Egea, G., Raja, P., & Pérez-Ruiz, M. (2020). Deep learning techniques for estimation of the yield and size of citrus fruits using a UAV. European Journal of Agronomy, 115, 126030.
  7. Araújo, S.O., Peres, R. S., Barata, J., Lidon, F., & Ramalho, J.C. (2021). Characterising the agriculture 4.0 landscape-emerging trends, challenges and opportunities. Agronomy, 11 (4), 667.
  8. Aslantaş, R., & Olgun, M. (1999). İklim verilerinden faydalanarak çoruh vadisinde yetişen cevizlerde verim tahmini ve modellemesi. Türkiye III. Ulusal Bahçe Bitkileri Kongresi, Ankara, 305–309.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Hassas Tarım Teknolojileri

Bölüm

Derleme

Erken Görünüm Tarihi

28 Aralık 2023

Yayımlanma Tarihi

15 Aralık 2023

Gönderilme Tarihi

31 Temmuz 2023

Kabul Tarihi

27 Eylül 2023

Yayımlandığı Sayı

Yıl 2023 Sayı: 52

Kaynak Göster

APA
Çakmakçı, M. F., & Cakmakcı, R. (2023). Uzaktan Algılama, Yapay Zeka ve Geleceğin Akıllı Tarım Teknolojisi Trendleri. Avrupa Bilim ve Teknoloji Dergisi, 52, 234-246. https://izlik.org/JA98HY25UX