Akademik Veri Yönetim Sistemi
ISPEC 9th INTERNATIONAL CONFERENCE on AGRICULTURE, ANIMAL SCIENCES and RURAL DEVELOPMENT, Burdur, Türkiye, 19 - 20 Mart 2022, ss.611-623
Dünya da olduğu gibi Türkiye genelinde de topraklar yoğun ve bilinçsiz
kullanımı sonucunda kalitesini kaybetmeye başlamış ve verimde önemli azalmalar
gözlenmiştir. Bu nedenle ülkeler birim alandan maksimum ürün elde etme yerine
optimum verim hedeflemeye yönelmişlerdir. Optimum verimden kasıt minimum enerji
girdisi ile toprakların verimliliğini azaltmayacak tarımsal üretim
sistemlerinin kullanılması ile üretimin gerçekleştirilmesidir. Geleneksel
toprak işleme yönteminde yoğun toprak işleme ekipmanlarının kullanımı sonucu
verimli üst toprak katmanı su ve rüzgâr erozyonuna maruz kalarak kaybolmaktadır.
Bu nedenle günümüzde azaltılmış toprak işleme uygulamalarının kullanımı ön
plana çıkmaktadır. Azaltılmış toprak işleme yöntemlerinde yakıt tüketimin daha
az olması ve etkili bir anız yönetimi ile üretim yapılabilmektedir. Tarımsal üretimde
bilgisayar destekli modellemeler üretime başlamadan önce ve üretim aşamasında çiftçiye
yol gösterebilen etkili araçlardan biridir. Özellikle derin makina öğrenme
teknikleri sayesinde aralarında lineer ilişkilerin olmadığı tarım problemleri çözüme
kavuşmaktadır. Bu araştırmada azaltılmış toprak işleme yönteminde kullanılan
dikey rotorlu toprak frezesi ve farklı merdane kombinasyonlarının yakıt tüketimi
ve çiziye gömülen anız miktarının yapay sinir ağlarında derin öğrenme yöntemleriyle
modellenmesi amaçlanmıştır. Bu amaç doğrultusunda dikey rotorlu toprak frezesi
3 farklı traktör ilerleme hızında (0.58 ms-1, 0.92 ms-1 ve 1.26 ms-1) ve 2 farklı rotor
devrinde (246, 275 dev.dak-1) kullanılmıştır. Anız ile kaplı ve işlenmemiş tarla koşullarında yürütülen
denemelerde ağır ve hafif olmak üzere iki farklı toprak merdanesi kullanılmıştır.
Modellerde öğrenme fonksiyonu olarak Levenberg-Marquardt fonksiyonu kullanılmıştır.
Logaritmik ve simetrik fonksiyon çiftlerinin transfer fonksiyonu olarak kullanıldığı
çalışmada 2 katmanlı bir derin öğrenme ağından yararlanılmıştır. Yakıt tüketimi
ve çiziye gömülen anız değerleri için tasarlanan modellerde için birinci gizli
katmanda 14 ikinci gizli katmanda ise 10 nöron kullanılmıştır.
Araştırmada kurulan modellerde girdi parametreleri olarak merdane tipi,
traktör ilerleme hızı, hacim ağırlığı, porozite, penetrasyon direnci ve toprak
nem içeriği değerlerinden yararlanılarak yakıt tüketimi ve çiziye gömülen anız
değerleri modellenmiştir. Araştırma sonucunda yakıt tüketimi % 94.8 çiziye gömülen
anız ise %85.8 doğruluk oranında modellenmiştir. Yakıt tüketimi ile ilgili yapılan
modelde R2 değeri 0.948 olarak
belirlenirken RMSE ve MAE değerleri sırasıyla 0.0551 ve 0.1183 olarak hesaplanmıştır.
Çiziye gömülen anız modellerinde ise R2, RMSE ve MAE değerleri 0.858, 0.2164 ve 0.1217 olduğu gözlenmiştir