Süs Bitkisi Üretiminde Çevre Kontrollü Dikey Tarım ve Bir Karar Destek Sistemi Uygulaması: Hibrit Afrika Menekşesi Örneği

Doğal kaynakların sürdürülebilir kullanımı, gittikçe azalan tarım alanları ve dünya nüfusunda beklenen artış göz önüne alındığında, günümüzde bu durum hükümetler ve kurumlar için önemli bir sorun haline gelmiştir. Ortaya çıkan bu sorunu aşabilmek için enerji ve kaynak israfını önlemek gerekmektedir.  Bunu başarabilmek ancak tüm üretim parametrelerinin doğru ve verimli olarak kullanılabilmesine bağlıdır. Özellikle tarım arazilerinin giderek azaldığı günümüzde daha fazla alan elde edebilmek için dikey üretim sistemleri ön plana çıkmaktadır. Dikey üretim yöntemlerinin en elverişli kullanıldığı yerler ise çevre kontrollü sera koşulları olarak bilinmektedir. Çevre kontrollü (sera) bitki yetiştirme sistemlerinin amacı, yüksek üretim oranlarında; tutarlı, ekonomik, verimli ve sürdürülebilir bir şekilde yüksek kaliteli ürün üretmektir.

 

 

Bu verimlilik düzeyine ulaşmak için tüm biyofiziksel sistemin kritik süreçlerinin doğru bir şekilde izlenmesi ve kontrolü gerekmektedir. Sera yönetimi, üretim ve çevresel parametrelerin her biri için optimum değerleri ayarlamak ve en önemlisi, istenen mahsul tepkilerini gözlemleyerek doğrulamak için büyük ölçüde insan uzmanlığına ihtiyaç vardır. Kontrollü ortamda bulunan her bir bitkinin sıcaklık, nem, besin ve ışık gibi ortam değişkenlerine verdiği tepki öznel olduğundan, bitki tepkilerini gözlemlemek, optimum değerleri seçmek için Karar Verme Sürecini (KVS) doğrudan etkiler. Bu nedenle, bu çalışmada bir sera yönetim seviyesinde üreticilerin karar verme sürecini desteklemek için, bitki-ortam takip verileri, görüntü işleme ve uzman destek sistemi verilerini yapay zeka ve makine öğrenmesi teknikleri ile yorumlayacak bir Karar Destek Sistemi (KDS) geliştirilecektir.

 

 

Karar Destek Sistemi'nin beklenen çıktıları; ürünlerin devamlı bir şekilde kontrol altında tutularak üreticiye çabuk karar alıp harekete geçme, verimlilik, sürdürülebilir enerji ve kaynak kullanımı, üretim maliyetlerinin ve işgücünün azaltılmasını sağlayabilir.

 

Projemizde sensör-bitki analiz verileri ve uzman görüşlerine dayanarak oluşturulacak kural tabanını otomatik analiz edip gerekli uyarı ve önerileri yapan bir sistem tasarlanacaktır. Bu işlem sırasında da işletme analitiği ve yapay zeka tekniklerinin de kullanılması düşünülmektedir. Bütün bu unsurları içeren her seviyedeki kullanıcılara destekleyen bir karar destek sistemi mimarisi geliştirilecektir.

 

 

 

Projenin Amacı

 

●Kontrollü Çevre Koşullarında Hibrit Afrika Menekşesi yetiştiriciliğinde, dikey tarım yöntemini kullanarak bitki gelişim-büyüme parametrelerini takip etmek, bu parametreleri ve uzman görüşünü de kullanarak bir karar destek sistemi tasarlamaktır.

 

Projenin Hedefleri

 

● Ortam-bitki sensör verilerini toplayan bir sensör ağının tasarlanması,

●Bitki büyüme-gelişim-hastalık takibi için görüntü işleme sisteminin tasarlanması,

●Alanın uzmanlarından elde edilen görüşlerle bir kural tabanının oluşturulması,

● Yukarıdaki verilerin ve kuralların birlikte analiz edilerek görselleştirildiği bir sistem mimarisinin oluşturulması.

●Bu mimarinin geçerliliğinin test edilmesi için bir pilot çalışmanın uygulanması.

 

 

Proje, aşağıdaki sorulara cevap aramaktadır

 

●İlgili model hangi karar alanlarında destek sağlayacaktır? (hastalık takibi, büyüme, besin takibi, kontrollü ortam değişkenleri sıcaklık, ışık, nem)

●Uzman görüşlerine bağlı olarak hangi kriterler karar destek amaçlı değerlendirmeye alınacaktır?

● Ortaya konulacak karar destek sistemi hangi çıktıları, nasıl bir biçimde sunmalıdır (görsel, tablo, grafik, gösterge paneli vb.)

●Belirlenen kriter alanlarına ilgili çıktılara ulaşmak için hangi veri kaynaklarına ihtiyaç duyulacaktır?

 

 

Projenin gerekçeleri

20. Yüzyılın başından itibaren dünyada süs bitkileri yetiştiriciliği giderek önem kazanmaya başlamıştır. Sektörün her geçen gün sürekli büyümesi ile birlikte ekonomiye olan katkısı artmakta ve istihdam ihtiyacı da artış göstermektedir. Dünyada 50'den fazla ülkede süs bitkileri yetiştiriciliği ticari olarak yapılmakta ve 2020 verilerine göre yaklaşık 43 milyar dolardan fazla bir ekonomik hacim oluşturmaktadır (Dünya Süs Bitkileri Raporu 2020). Süs bitkisi yetiştiriciliği insan psikolojisine olumlu etkileri nedeniyle yaşam kalitesini yükseltmeye katkı sağlayan bir sektördür. Afrika menekşesi, yetiştirme ve üretim kolaylığı, kapalı mekanlara kolay uyum sağlaması ve yıl boyunca yeşil kalarak çiçek açması nedeniyle en çok tercih edilen süs bitkileri arasında yer almaktadır. Projemize konu olan Hibrit Afrika Menekşesi ise Afrika Menekşesinin farklı türlerinin çaprazlanması sonucu elde edilir. Yaprak ve çiçek formları zaman içinde oldukça zenginleşmiş ve günümüzde yaklaşık 30.000'e yakın isimlendirilmiş türe ulaşmıştır. Bu türlerin bir kısmı uluslararası bağımsız kuruluşlar tarafından tescil edilmekte ve kataloglanmaktadır. En çok bilinen kuruluşlar, AVSA (African Violet Society of America) ve AVSC'dir (African Violet Society of Canada). Birçok Hibrit Afrika Menekşesi türü koleksiyoncular tarafından evlerde, ofislerde veya seralarda yetiştirilmektedir. Ticari olarak ülkemizde hibrit türlerden ziyade klasik tek renk çiçekli ve tek tip yapraklı türler üretilmekte ve pazarlanmaktadır. Ülkemizde ticari olarak Hibrit Afrika Menekşesi üretimi yaygın olmamasına rağmen yurt dışında kendi hibrit türlerini oluşturarak büyük hacimlerde uluslararası pazar payına sahip firmalar bulunmaktadır (Optimara, Holtkamp Greenhouses Inc., Lyndon Lyon Greenhouses vb.). Bunlara örnek olarak Optimara seralarında yıllık üretim miktarı 10 milyon adedi geçmektedir (Russell, 2007). Hibrit Afrika Menekşesi, klasik Afrika Menekşesine göre ticari olarak çok daha değerli ve görsel çeşitlilik olarak da zengin bir türdür. Yetiştirme koşulları ve üretim maliyetleri Afrika Menekşesi ile hemen hemen aynı olmakla birlikte hibrit Afrika menekşesi dış etkenlere ve zararlılara karşı daha duyarlıdır. Ayrıca ışık, sulama, besin, nem ve sıcaklık gibi yetiştirme parametrelerine karşı da oldukça hassas ve özel bakım isteyen bir bitkidir. Bu sebeple bu parametrelerin sürekli kontrol edilebildiği akıllı tarım uygulamaları için ayrıca yatay yönde büyümesi ve yapay koşullara kolay uyum sağlaması ile dikey tarım uygulamaları için de oldukça elverişli bir bitkidir.

 

 

Sakarya ili bulunduğu bölge ve iklim koşulları itibarıyla süs bitkileri üretiminde önemli bir yere sahiptir. Ancak genel üretim ve uzmanlaşma dış mekan peyzaj bitkileri üzerine yoğunlaşmıştır (Dellal et al., 2018).  Bu çalışmanın bölgemizde iç mekan süs bitkisi yetiştiriciliğine önemli katkılar sağlamasının yanı sıra geliştirilecek karar destek sisteminin diğer bitkilere de entegre edilmek suretiyle kontrollü ve hassas tarıma yönelik yetiştiriciliğe ışık tutacağını düşünüyoruz.

 

Literatürde, akıllı tarım sistemleri üzerine yapılan çalışmalar genellikle Nesnelerin İnterneti ve Uzman Sistemler üzerine yoğunlaşmıştır. Uzman sistemlerin yetiştiricilere bitki yönetimi veya çevre kontrolünde yardımcı olması beklenir, ancak bunlar çoğunlukla gerçek durumdan sapan çevrimdışı ve statik bilgilere dayanmaktadır (Kang & Wang, 2017). Tarım sistemleri üzerine yapılan çalışmaların birçoğunda kablosuz sensör ağı ve data analitikleri kullanılarak elde edilen çıktılar üreticiye mevcut durum hakkında özet bilgi sunmaktadır (Elijah et al., 2018). Bununla birlikte son yıllarda, küçük ölçekli işletmelerin finansal kısıtlar nedeniyle, verimliliklerini artırmak ve uzmanlıklarını geliştirmek için sürdürülebilir tarım faaliyetlerinde Karar Destek Sistemlerinden yararlanabileceklerini gösteren çalışmalar da bulunmaktadır (Aiello et al., 2018). Güncel akıllı tarım uygulamaları statik ve anlık bilgiye ihtiyaç duymasının yanında artık Yapay Zeka vb. ileri seviye tekniklerle de karar vericilere hızlı çözüm üretmeyi gerekli kılmaktadır (Hadidi et al., 2021). Akıllı tarımda Karar Destek Sistemleri uygulamaları önceki çalışmaların eksik yönlerini tamamlayarak bu çalışmaları birkaç adım daha ileriye taşıyabilir (Ray, 2017). Mahsul türlerinin aralığını genişletme ve LED aydınlatmanın dalga boyu, sıcaklık, nem ve CO2 seviyeleri gibi kontrollü değişkenlere optimum yanıt ve ince ayarlama için daha fazla finansmana ihtiyaç vardır (Benke & Tomkins, 2017). Bu değerlendirmeler ışığında literatüre önemli katkılar sağlayabilecek bu çalışmada, görüntü işleme, uzman görüşleri ve sensör verilerini işleyen akıllı bir karar destek sistemi mimarisi sunulacaktır.

 

 

 

Proje ile Elde Edilmek İstenilen Çıktılar ve Yaygın Etki/Katma Değer

Projemizin gerçekleşmesi durumunda beklenen çıktılar, kapalı ortamlarda dikey tarım uygulamalarında insan faktörünün yerini alabilecek, hataları, kayıpları ve maliyetleri minimize edebilecek ve karlılığı artırabilecek yapay zekâ ve uzman görüşü temelli bir karar destek sistemi ortaya çıkmasıdır. Bu sistem yapacağımız pilot çalışma ile düşük ölçekli bir projeden büyük ölçekli tesislere kadar uygulanabilir olması öngörülmektedir. Projemizden elde edilecek know-how gerek kapalı gerekse açık alanda yapılacak farklı bitki kültürleri yetiştiriciliğinde de karar vericilere bitki büyümesi, hastalık-zararlı takibi, hızlı ve doğru karar alma konularında destek olabilecek ve ufuk açacak temel çalışmaları içermektedir.

Bölgemizde uzman iş gücü gerektiren mevsime ve iklime bağlı olarak belirli dönemlerde yetiştirilen çilek ve domates bitkilerinde gittikçe artan talebi karşılamak için özellikle tüm yıla yayılabilen üretim tekniklerine ihtiyaç bulunmaktadır. Bu ihtiyaca binaen kapalı ve kontrollü ortamlarda bu bitkilerin yetiştirilmesi için üreticilere hızlı ve doğru karar alabilecekleri ar-ge çalışmalarına ihtiyaç bulunmaktadır. Projemizin bu konudaki ihtiyaçlara da bölgemiz adına katkıda bulunacağını öngörmekteyiz.

Projemiz süresince geliştirilecek dikey tarım ve otomasyon ve karar destek sistemine başka bitkilerin de adaptasyonun sağlanması sonucunda, sorumlu üretici-mühendisin büyük ölçekli açık-kapalı tesislerde gözünden kaçabilecek fizyolojik veya hastalık-zararlı kaynaklı bir semptomun akıllı otonom sistem sayesinde tespit edilerek tedaviye yönelik müdahalelerin yapılabileceği düşünülmektedir. Bu sayede yetiştirilen ürünlerde bir çeşit erken uyarı sistemleri kurulacaktır ve bu sayede ürün kayıplarının en aza indirilmesi planlanmaktadır.

 

 

Ar-Ge Niteliği ve Özgün Değer

 

Tez Merkezi taramasında "akıllı tarım" ve "dikey tarım" başlığında doktora düzeyinde, maliye konusunda yapılan 1 adet çalışma bulunmaktadır. Yüksek lisans düzeyindeki çalışmalar ise genellikle ekonomi-finans, matematik ve mühendislik alanlarındadır. Literatürde ise çalışmamızın ana hatlarını oluşturacak terimler ile yaptığımız taramalarda çıkan sonuçların birçoğu tarım ürünleri ile ilgili mevcut verileri toplayan, analiz eden ve statik olarak sunan bir yapıdadır (Navulur et al., 2017) (Ray, 2017) (Kapoor et al., 2016) (Arnal Barbedo, 2013). Bu çalışmalar teknik anlamda literatüre katkı sağlamakla birlikte "Yönetime Katkı" anlamında bazı eksikler barındırmaktadır. Özellikle, yapay zekâ, karar destek sistemi gibi yöneticilerin hızlı karar almalarını sağlayacak akıllı çözümler talep edilmektedir (Ray, 2017). Önerdiğimiz bu proje çalışmasında literatürde yer alan teknik ve statik bilgi sağlayan sistemlere ek olarak yöneticilere hızlı ve efektif karar alabilecekleri bir "Karar Destek Sistemi" mimarisi geliştirilecektir.

 

(Despomer, 2010) ve diğerleri, prensipte herhangi bir mahsulün dikey bir tarım serasında yetiştirilebileceğini iddia ediyor. Ancak global dikey tarım pazarında süs bitkileri uygulamaları oldukça sınırlı olup üretimin büyük kısmının hızlı hasat alınabilen sebzeler, mikro sebzeler, yeşil yapraklı sebzeler, meyveler ve az bir kısmının da aromatik bitkiler ve diğer bitkiler olduğunu görmekteyiz. Yukarıda sözü geçen bitkilerin bir mahsul olarak çok popüler olmasının nedeninin, mahsul türlerinde herhangi bir doğal sınırlamadan ziyade, yüksek bir kar marjı sağlamaları olduğunu bildirilmiştir (Fraizer, 2017). Bu bağlamda yüksek ticari değerinden dolayı Hibrit Afrika Menekşesinin kapalı mekanlarda dikey tarım ile üretilebilmesi ve geliştirilecek karar destek sistemi ile üreticiye verimlilik ve karlılık artışı sağlamasının, benzer çalışmalara ışık tutacak potansiyele sahip olduğuna inanıyoruz.

 

 

Mikro Yeşillikler	Growing Underground, 2018; VertiCrop, 2018
Salata yaprakları	Growing Underground, 2018; AeroFarms, 2018; VertiCrop, 2018
Çilek (Fragaria spp.)	Murthy et al., 2016; Saturn Bioponics, 2018; VertiCrop, 2018
Marul (Lactuca sativa)	Sky Greens, 2018; Touliatos et al., 2016; Saturn Bioponics, 2018
Ispanak (Spinacia oleracea)	Sky Greens, 2018
Tropikal Yeşil Yapraklar	Sky Greens, 2018
Diğer Çeşitli Yeşil Yapraklar	Song et al., 2018
Aromatik Bitkiler	Saturn Bioponics, 2018; VertiCrop, 2018

Tablo: Dikey tarım uygulamalarında üretilen ürünler (Beacham et al., 2019)

 

 

 

Kaynakça

Yayın Adı	Yazarlar	Anahtar Kelimeler	Yayın Yılı
The role of artificial neuron networks in intelligent agriculture (case study: Greenhouse)	(Hadidi et al., 2021)	Agriculture; Artificial intelligence; Artificial neuron networks; Control; Fuzzy logic; Greenhouse	2021
Vertical farming: a summary of approaches to growing skywards	(Beacham et al., 2019)	Vertical farming; controlled environment; glasshouse; hydroponic; protected horticulture	2019
Precise control and prediction of the greenhouse growth environment of Dendrobium candidum	(Ding et al., 2018)	BP, neural network, prediction model, Dendrobium candidum, Fuzzy adaptive step size algorithm, Programmable logic controller, Supervisory control and data acquisition	2018
A decision support system based on multisensor data fusion for sustainable greenhouse management	(Aiello et al., 2018)	Decision fusion, Decision support systems, Green economy, Integrated pest management, Precision agriculture, Wireless sensor networks	2018
An IoT based smart solution for leaf disease detection	(Thorat et al., 2018)	Humidity & tempreture monitoring, IoT, Leaf disease detection, Smart Agriculture, Smart Farming, Soil moisture monitoring	2018
Sakarya İli Tarım Sektör Raporu: Mevcut Durum, Strateji, Hedef Ve Eylem Planı	(Dellal et al., 2018)		2018
Carrot city. New York: Monacelli	(Gorgolewski et al., 2017)		2017
Future food-production systems: Vertical farming and controlled-environment agriculture	(Benke & Tomkins, 2017)	Greenhouse; Indoor agriculture; Optimization; Sustainability; Urban farming	2017
From parallel plants to smart plants: Intelligent control and management for plant growth	(Kang & Wang, 2017)	Artificial intelligence, cropping plan, management system, plant model, precision agriculture	2017
Internet of things for smart agriculture: Technologies, practices and future direction	(Ray, 2017)	Internet of things,precision agriculture, smart agriculture	2017
Implementation of IoT (Internet of Things) and Image processing in smart agriculture	(Kapoor et al., 2016)	Image Processing, Internet of Things (IoT), MATLAB, Sensing network	2016
Basic study of automated diagnosis of viral plant diseases using convolutional neural networks	(Kawasaki et al., 2015)	Agricultural machinery, Artificial intelligence, Automation, Classification (of information), Convolution, Image classification, Learning systems, Neural networks	2015
An Overview of Internet of Things (IoT) and Data Analytics in Agriculture: Benefits and Challenges	(Elijah et al., 2018)	Agriculture, data analytics (DA), Internet of Things (IoT), IoT ecosystems, IoT in agriculture, IoT sensors, smart agriculture	2014
A study on greenhouse automatic control system based on wireless sensor network	(Park et al., 2011)	Auto-control, Greenhouse, Monitoring, Sensor network	2011
Early detection and classification of plant diseases with Support Vector Machines based on hyperspectral reflectance	(Rumpf et al., 2010)	Automatic non-linear classification, Cercospora beticola, Early detection, Erysiphe betae, Hyperspectral reflectance, Sugar beet, Support Vector Machines, Uromyces betae, Vegetation indices	2010
Image analysis and statistical modelling for measurement and quality assessment of ornamental horticulture crops in glasshouses	(Parsons et al., 2009)	Crops, Feed forward neural networks, Glass, Grading, Image analysis, Image segmentation, Quality control, Stereo image processing	2009
A design of greenhouse monitoring & control system based on ZigBee wireless sensor network	(Yiming et al., 2007)	Application, Greenhouse, Monitoring and control system, Wireless sensor network, ZigBee	2007
Violets blossom on greenhouse innovation	(Russell, 2007)		2007

 

 

---