Ekim ve Çiftlik Gübresi Dağıtma Makineleri için Açık Kaynak Kodlu bir Masaüstü Kalibrasyon Uygulamasının Geliştirilmesi

Öz

Küresel nüfus artışı ile tarımda verimlilik ve sürdürülebilirlik odaklı modern stratejilerin geliştirilmesi önemli hale gelmiştir. Geleneksel tarımda çevresel etkilerin minimize edilmesi ve verimin artırılması konusunda gübre ve tohum gibi temel girdilerin hassas bir şekilde yönetilmesi hem kaynak israfının önlenmesini sağlamakta hem de işlem maliyetlerini düşürerek tarımsal sürdürülebilirliği desteklemektedir. Çalışma, geleneksel yöntemlerle yapılan ve hata yapmaya müsait makine kalibrasyon hesaplamalarının yerine, kullanıcı dostu ve güvenilir bir dijital çözüm sunmak amacıyla geliştirilen açık kaynak kodlu bir masaüstü uygulamasını tanıtmaktadır. Uygulamanın geliştirilmesinde Python programlama dili kullanılmıştır ve modern bir arayüz sunulmaktadır. İçerisinde tahıl ekim, hassas ekim ve çiftlik gübresi dağıtma makineleri için yedi adet hesaplama modülü yer almaktadır. Ekim normlarının belirlenmesi, ekim kalitesi değerlendirmesi ve gübreleme normunun belirlenmesi gibi kritik parametreleri otomatik olarak hesaplayarak geleneksel yöntemlere kıyasla hem zaman tasarrufu sağlamak hem de manuel hataları minimize ederek çiftçilere bir karar desteği sağlama amacı taşımaktadır. Sonuçları profesyonel PDF raporlarına dönüştürebilmektedir ve geçmişte yapılan hesaplamaları hafızasında depolayabilmektedir. Bu özelliği sayesinde geçmişte yapılmış tarımsal işlemler kolaylıkla görülebilmektedir ve gelecekte yapılacak işlemler için dijital kayıt altyapısı oluşturulmasına imkân sağlamaktadır. Geliştirilen uygulama, tüm hesaplamaları literatürde belirtilen ve uygulamada kullanılan eşitlikleri kullanarak gerçekleştirdiği için herhangi bir hata oluşması beklenmez. Bu durum, yapılan denemeler ile doğrulanmış ve herhangi bir hata tespit edilememiştir. Geliştirilen bu masaüstü kalibrasyon uygulaması ile tarımsal üretimde kaynak israfını önleyerek maliyetleri düşürmeyi ve bitki gelişimini optimum seviyede tutarak verim artışına katkı sağlamayı amaçlayan bir dijital altyapı modeli sunulmuştur. Ayrıca uygulamanın açık kaynak kodlu herkese erişilebilir olması da gelecekteki çalışmalarda daha donanımlı bir karar destek sistemine dönüştürülmesi imkânı tanımaktadır.

Anahtar Kelimeler

• Python
• Tarımsal Karar Destek Sistemleri
• Tarımsal Sürdürülebilirlik
• Ekim Makineleri
• Çiftlik Gübresi Dağıtma Makineleri

Development of an Open-Source Desktop Calibration Application for Seeders and Farm Manure Spreaders

Öz

With global population growth, the development of modern strategies focused on agricultural productivity and sustainability has become substantial. In traditional agriculture, the precise management of substantial inputs such as fertilizers and seeds, in a way that minimizes environmental impacts and increases yield, not only prevents resource waste but also supports agricultural sustainability by reducing operational costs. This study introduces an open source desktop application developed to provide a user-friendly and reliable digital solution as an alternative to machine calibration calculations performed using traditional methods, which are prone to errors. The application was developed using the Python programming language, utilizing tkinter and ttkbootstrap libraries for a modern interface. The application comprises seven calculation modules for grain drills, precision seeders and fertilizer spreaders. It is designed to automatically calculate critical parameters such as seeding rate, sowing quality and fertilizer application rate, thereby providing decision support to users while saving time and reducing manual errors. This JSON-based algorithm, which can convert results into professional PDF reports, is also capable of storing previous calculations in its memory, enabling access to information regarding past operations. The desktop calibration application was developed as a digital infrastructure model aimed at reducing resource waste in agricultural production, lowering operational costs and contributing to yield improvement by maintaining optimal plant growth conditions. Furthermore, the open-source and publicly accessible nature of the application provides the potential for future development into a more advanced decision support system.

Anahtar Kelimeler

• Python
• Agricultural Decision Support Systems
• Agricultural Sustainability
• Seeders
• Farm Manure Spreaders

Kaynakça

1. Anonim, 2008. Tarım Makinaları Deney İlke ve Metotları. Tarım ve Orman Bakanlığı, Tarım Reformu Genel Müdürlüğü Yayınları, Ankara
2. Anonim, 2026. Çalışmada geliştirilen algoritmanın kaynak kodları açık erişimi https://github.com/hasandural43/Calibration-Application-for-Seeding-Maintenance-and-Fertilization-Machinery
3. Arkansas, (2026). Arkansas Üniversitesi Tarım Birimi. Drill Calibration Calculator. https://forageadvisor.uada.edu/Drill-Calibration-Calculator.html
4. Atheeswaran, A., Raghavender, K. V., Chaganti, B. N. L., Maram, A. ve Herencsar, N. (2023). Expert System for Smart Farming for Diagnosis of Sugarcane Diseases Using Machine Learning. Computers and Electrical Engineering, 109, 1-15. https://doi.org/10.1016/j.compeleceng.2023.108739
5. Barbosa, R. N. (2013). SpreaderCal: An MS Excel-Based Computer Program for Spreader Calibration. Journal of Extension, 51(3), 1-4. https://doi.org/10.34068/joe.51.03.18
6. Demir, Ü., Kula, N. ve Uğurlu, B. (2021). Tarımda Yapay Zekâ Kullanımına Yönelik Karar Destek Modeli Önerisi: Domates Zararlısı Tespiti Örneği. Lapseki Meslek Yüksekokulu Uygulamalı Araştırmalar Dergisi, 2(4), 91-108. https://izlik.org/JA46ZT89HZ
7. Dursun, İ. ve M. A. Erol. (2015). Ekim, Bakım ve Gübreleme Makinaları (Gözden Geçirilmiş ve Genişletilmiş II. Baskı). Ankara Üniversitesi Ziraat Fakültesi, Yayın No: 1628, Ankara Üniversitesi Basımevi, Ankara.
8. Ercan, Ş., Öztep, R., Güler, D. ve Saner, G. (2019). Tarım 4.0 ve Türkiye’de Uygulanabilirliğinin Değerlendirilmesi. Tarım Ekonomisi Dergisi, 25 (2), 259-265. https://doi.org/10.24181/tarekoder.650762

9. Great Plains Ag. (2026). Drill Calibration Calculator. https://www.greatplainsag.com/drill-calibration-calculator
10. Grisso, R. B., Alley, M., Thomason, W., Holshouser, D. ve Roberson, T. G. (2011). Precision Farming Tools: Variable-Rate Application. (Publication No. 442-505). Virginia Cooperative Extension, Virginia Tech.
11. Işık, M. F., Yılmaz, C., ve Işık, E. (2017). Tarımsal Arazi Sulama Sistemlerinde Mobil Uygulamalar: Örnek Bir Çalışma. Politeknik Dergisi, 20(3), 725-731. https://izlik.org/JA99DT62GT
12. Karayel, D. (2009) Performance of a Modified Precision Vacuum Seeder for No-Till Sowing of Maize and Soybean. Soil & Tillage Research, 104, 121–125. https://doi.org/10.1016/j.still.2009.02.001
13. Karayel, D. ve Özmerzi, A. (2005). Hassas Ekimde Gömücü Ayakların Tohum Dağılımına Etkisi. Akdeniz Üniversitesi Ziraat Fakültesi Dergisi, 18(1),139-150. https://izlik.org/JA77HD86TY
14. Kavalgi, A., Sahu, S. K. ve Aradhya, S. C. (2024). Advanced Precision Seeding Technologies for Vegetable Crops. A. Yadav (Editor), Advances In Horticulture Sciences (Vol. 13, 53–70). Integrated Publications.
15. Kawchale, R., Deshpande, A., Joshi, A., Kulkarni, M., Patil, P. ve Aute, R. (2024). Revolutionalizing Agriculture with Digital Technology: A Comprehensive Study. Journal of Emerging Technologies and Innovative Research (JETIR), 11(5), 79-84. http://doi.one/10.1729/Journal.39403
16. Landwise. (2026). Fertiliser Placement Machine Calibration Tool v1.0.0. https://www.landwise.org.nz/fertspread-placement-calibration/
17. Lindblom, J., Lundström, C., Ljung, M. ve Jonsson, A. (2017). Promoting Sustainable Intensification in Precision Agriculture: Review of Decision Support Systems Development and Strategies. Precision Agriculture, 18, 309–331. https://doi.org/10.1007/s11119-016-9491-4
18. Ogunti, O. E., Akingbade, K. F., Segun, A. ve Oladimeji, O. (2018). Decision Support System Using Mobile Applications in the Provision of Day to Day Information about Farm Status to Improve Crop Yield. Periodicals of Engineering and Natural Sciences, 6(2), 89 – 99. https://doi.org/10.21533/pen.v6.i2.1723
19. Önal, İ. (1995). Ekim, Bakım, Gübreleme Makinaları (II. Basım). Ege Üniversitesi Ziraat Fakültesi Yayınları No: 490, İZMİR.
20. Önal, İ. (2005). Normal Sıraya Ekimin Matematik-İstatistik Esasları ve Ekim Makinalarının Denemelerinde Kullanılması. Tarım Makinaları Bilimi Dergisi, 1(2), 85-91. https://izlik.org/JA89EB77HS
21. Rose, C. D., Sutherland, J. W., Parker, C., Lobley, M., Winter, M., Morris, C., Twining, S., Ffoulkes, C., Amano, T. ve Dicks, V. L. (2016). Decision Support Tools for Agriculture: Towards Effective Design and Delivery. Agricultural Systems, 149, 165–174. https://doi.org/10.1016/j.agsy.2016.09.009
22. Rossi, V., Salinari, F., Poni, S., Caffi, T. ve Bettati, T. (2014). Addressing the Implementation Problem in Agricultural Decision Support Systems: The Example of Vite.net. Computers and Electronics in Agriculture, 100, 88–99. http://dx.doi.org/10.1016/j.compag.2013.10.011
23. Severoğlu, S. (2025). Tarla Bitkilerinde Kullanılan Akıllı Tarım Teknolojileri. Türkiye Tarımsal Araştırmalar Dergisi, 12(3), 348-364. https://doi.org/10.19159/tutad.1730333
24. Singh, V. (2024). Advances in Precision Agriculture Technologies for Sustainable Crop Production. Journal of Scientific Research and Reports, 30(2), 61-71.
25. Srivastava, A. K., Goering, C. E., Rohrbach, R. P. ve Buckmaster, D. R. (2006). Crop Planting. Chapter 9 in Engineering Principles of Agricultural Machines, (2.basım, ss. 231-268). ASABE.
26. TheYieldGrid. (2026). Fertilizer Spreader Calibration Calculator. https://theyieldgrid.com/fertilizer-spreader-calibration-calculator/
27. Wolfert, S., Ge, L., Verdouw, C. ve Bogaardt, M. J. (2017). Big Data in Smart Farming–A review. Agricultural Systems, 153, 69–80. http://dx.doi.org/10.1016/j.agsy.2017.01.023
28. Zhai, Z., Martínez, J. F., Beltran, V. ve Martínez, N. L. (2020). Decision Support Systems for Agriculture 4.0: Survey and Challenges. Computers and Electronics in Agriculture, 170, 105256, 1-16.