Nesnelerin interneti ile yetiştiricilik tanklarının dijitalleştirilerek girdiler ve elde edilen veriler arasındaki ilişkilerin derin öğrenme yöntemleriyle araştırılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: GAMZE ALBAYRAK
Danışman: Bilal USANMAZ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Su ürünleri yetiştiriciliğinde balıkların hızlı bir şekilde üretilerek satışa çıkarılması için farklı içerik ve özelliklerde yemler denenmektedir. Aynı çeşit ve aynı özellikteki yetiştiricilik tanklarına aynı türden ve eşit sayıda balıklar konularak belirli aralıklarla pH, sıcaklık ve çözünmüş oksijen takibi klasik yöntemlerle yapılmaktadır. Bu nedenle balıkların beslenme öncesi, beslenme esnasında ve beslenme sonrasında olmak üzere büyüme aşamalarında her bir deney tankı için çeşitli algılayıcılar ile gözlem yaparak algılayıcılardan gelen verilerin toplanması hedeflenmektedir. Verilerin klasik yöntemler ile hatasız biçimde toplanması gerek işgücü gerekse pratik açıdan mümkün görülmediğinden dinamik izleme ve kontrol sağlayacak bu sistemin optimum yetiştiricilik şartlarının sağlanması açısından önemli bir rolü olacaktır. Bu sistem ile oluşan büyük veri ilişkilerinin ise uygun derin öğrenme yöntemleri ile araştırılması da amaçlanmaktadır. Yöntem: Atatürk Üniversitesi Su Ürünleri Fakültesi Deneysel Araştırmalar Biriminde aktif olarak kullanılan yetiştiricilik tankları Nesnelerin İnterneti kapsamında dijitalize edilerek deney tasarımları yapılmıştır. Tankların üzerine algılayıcı bilgilerini araştırmacıya yansıtan gösterge panelleri yerleştirilmiştir. Panellerde gösterilen veriler bilgisayar ağı kullanılarak MQTT ile bulut platformuna taşınmıştır. Ayrıca bu verilerin araştırılması için makine öğrenmesi yöntemlerinden Sinir Ağı, Doğrusal Regresyon, Karar Ağacı, Rastgele Orman ve XGBoost regresyon yöntemleri, zaman serisi derin öğrenme tahmin yöntemlerinden Uzun Kısa Süreli Bellek ve Geçitli Tekrarlayan Birim ve hibrit XGBoost-GRU regresyon yöntemleri kullanılmıştır. Bulgular: Deneysel Araştırmalar Biriminde bulunan yetiştiricilik tanklarının Nesnelerin İnterneti ile dijitalleştirilmesi sonucunda tankların anlık pH, sıcaklık ve çözünmüş oksijen değerleri, ortamın nem seviyesi gözlemlenebilir olmuştur. Algılayıcılardan alınan değerler ile oluşturulan veri kümesi makine öğrenmesi ve derin öğrenme yöntemlerine tabi tutularak başarı yüzdeleri genel olarak kıyaslandığında en iyi sonuçları %98,5 ile GRU, %97,9 ile LSTM ve %97,9 ile hibrit GRU-XGBoost modellerinin verdiği gözlemlenmiştir. Sonuç: Nesnelerin İnterneti ile dijitalleştirilen sistemde, su kalitesini belirleyen parametrelerden pH, sıcaklık ve çözünmüş oksijen için yetiştiricilik tanklarına müdahale gerektiren durumların önceden tespit edilebilmesi sağlanmıştır. Dijitalleştirilen sistemin teknik aksaklıklarından ve tank temizliği gibi el yordamı ile yapılan işlemlerinden sonra ortaya çıkan aykırı değerler veri ön işleme adımında tespit edilmiştir. Derin öğrenme yöntemleri ile regresyon işlemlerinin uygulanması, tespit edilen aykırı değerlere karşılık daha doğru veri üreterek veri kümesinin stabil değerlerle oluşturulmasını mümkün kılmıştır.