Yükleniyor
ROOTLINQ tek bir sensör kutusu değildir. Anlamlı bir karar için üç parça birlikte çalışır: sahada ölçüm yapan sensörler, bu ölçümleri fizik ve biyoloji kurallarıyla yorumlayan bilimsel modeller ve sonucu telefonunuza net bir öneri olarak getiren karar katmanı. Bu sayfada bu zincirin teknik tarafını anlatıyoruz.
Deep LINQ prototipi: 120 cm’ye inen, her 10 cm’de nem, sıcaklık ve tuzluluğu ölçen, güneş enerjili kablosuz prob.
Tarım teknolojisinde her probleme yapay zekâ eklemek gerekmiyor. Bazı soruların cevabı onlarca yıldır kullanılan fizik ve bitki besleme modellerinde zaten var; bazıları ise sahadan uzun süre veri toplamayı gerektiriyor.
Bu yüzden önce agronomik problemi anlıyor, sonra onu çözebilecek en güvenilir yöntemi seçiyoruz: kimi yerde doğrudan bir FAO formülü, kimi yerde uydu verisiyle sahadaki nem sensörünün birlikte kullanımı, kimi yerde makine öğrenimi. Şu anda en çok üzerinde durduğumuz ve sahada doğruladığımız üç başlık şunlar:
Genel hava tahmininin yanında bahçenin kendi mikroklimasını da hesaba katan risk modelleri geliştiriyoruz: sıcaklığın bahçede farklı yüksekliklerde nasıl değiştiği, soğuk havanın nerede biriktiği, toprağın ve ağacın su durumu birlikte değerlendirilir. Ama ekranda doğru görünen bir model sahada da güvenilir demek değildir; bu yüzden bu modelleri üretici kararlarında kullanmadan önce gerçek bahçelerde yeterli veriyle doğruluyoruz.
Ceviz yetiştiriciliğiyle ilgili bilimsel yayınları, teknik kaynakları ve saha kayıtlarını hızla tarayabilen, yapay zekâ destekli bir bilgi katmanı üzerinde çalışıyoruz. Amaç internetteki genel cevapları tekrar etmek değil: sistem hangi kaynağa dayandığını göstermeli, bahçenin kendi verisini genel bilgiden ayırmalı ve yeterli kanıt yoksa bunu açıkça söylemeli. Bu katmanı ziraat mühendisinin araştırma süresini kısaltan bir yardımcı olarak tasarlıyoruz.
Kamera görüntülerinden ana gövdeyi, dal açılarını, dal yoğunluğunu ve ağacın genel yapısını çıkarabilen yöntemleri araştırıyoruz; amaç özellikle genç ağaçlarda budama kararına yardım eden görsel bir rehber. Ancak budama yalnızca geometri değildir, çeşit, yaş, gelişim gücü ve önceki budamalar da kararı etkiler. Bu yüzden görüntü analizi mühendisin yerini alan otomatik bir sistem değil, saha değerlendirmesine yardım eden bir araç olarak geliştiriliyor.
Bu modellerin amacı üreticiye formül göstermek değil; uygun veri olduğunda sistemi arka planda besleyip ekrana anlaşılır bir öneri getirmek. Her modelin veri ihtiyacı ve güvenilirliği aynı olmadığı için sistem, veri eksik olduğunda bunu açıkça söyler ve tahmine dayalı öneri üretmez.
Suyun toprakta nasıl hareket ettiğini, bir ceviz ağacının kışın ne kadar soğuğa ihtiyaç duyduğunu ya da mantar hastalıklarının hangi sıcaklık ve nemde yayıldığını bulmak için her şeyi sıfırdan öğrenmek gerekmiyor; bu konularda üniversitelerin ve araştırma enstitülerinin onlarca yıldır sahada sınadığı modeller var.
ROOTLINQ bu bilimsel birikimi temel alır: sensör verileri ve uydu gözlemleri modelleri besler, sahadaki ölçümle hesap arasındaki fark incelenerek sistem zamanla daha doğru hâle getirilir. Model ile sensör birbirini doğruladığında öneriye duyulan güven de artar.
Güneş enerjisi, sıcaklık, nem ve rüzgâr verisinden, iyi sulanan kısa bir çim alanının bir günde kaybedeceği su (ET0) hesaplanır. Formülde Rn net güneş enerjisini, G toprağa giden ısıyı, T hava sıcaklığını, u2 rüzgâr hızını, (es − ea) havanın kuruluğunu gösterir; Δ ve γ sıcaklığa ve rakıma bağlı katsayılardır. Ağacın gelişim dönemine göre değişen katsayıyla (Kc) çarpılınca ağacın su tüketimi bulunur.
Besin elementleri birbirinden bağımsız davranmaz; örneğin fazla potasyum magnezyum alımını, fazla fosfor çinko alımını zorlaştırabilir. Gübre arttıkça verim de artar ama her ek kilonun getirisi giderek azalır. Mitscherlich eşitliğinde y verimi, A ulaşılabilecek en yüksek verimi, x topraktaki ve verilen besinin toplamını, c etki katsayısını gösterir. Bu yüzden gübre planı toprak ve yaprak analiziyle birlikte hazırlanır.
Birçok zararlının gelişimi takvimden çok biriken sıcaklığa bağlıdır: her gün ortalama sıcaklıktan, canlının gelişmeye başladığı taban sıcaklık çıkarılır ve günlük değerler toplanır (örneğin elma içkurdu için Ttaban = 10 °C). Mantar ve bakteri hastalıklarında ise yaprağın ne kadar süre ıslak kaldığı, o sıradaki sıcaklıkla birlikte izlenir; hastalığa özgü eşikler sahada doğrulanmadan öneriye dönüştürülmez.
Ağacın kış dinlenmesinden sağlıklı çıkması için belirli bir süre soğukta kalması gerekir. En basit yöntem 0 ile 7,2 °C arasında geçen saatleri sayar; Utah ve Dinamik model gibi yöntemler ise farklı sıcaklıklara farklı puan verir. İlkbahardaki don riski de tek bir sabit sınırla değil, tomurcuğun gelişim evresine göre değişen kritik sıcaklıklarla değerlendirilir.
Hazır sensörlerle prototip yapmak başlangıç için yeterli olabilir; ama tarlada yıllarca kesintisiz, az enerjiyle ve zorlu havaya dayanarak çalışacak, farklı derinliklerden doğru ölçüm alacak bir sistem için donanımın da bu amaca göre tasarlanması gerekir.
Bu yüzden sensör problarından vana kontrol ünitelerine, güneş enerjili istasyonlardan saha haberleşmesine kadar donanımı kendi mimarimizle geliştiriyoruz. Yol haritası şöyle: önce ölçüm cihazları, ardından kontrol ve otomasyon, daha sonra otonom saha görevleri.
Bir bahçeyi birkaç hafta ölçmekle birkaç sezon takip etmek aynı şey değildir: toprağın mevsimlere tepkisi, ağacın budamadan sonraki davranışı ve farklı sulama stratejilerinin verime etkisi ancak zamanla görünür. Birden fazla bahçeden gelen veriler de bölgedeki hava hareketlerini, hastalıkların yayılışını ve gelişim dönemlerindeki kaymaları anlamamızı sağlar.
Amacımız “bütün bahçeler aynıdır” diyen tek bir model kurmak değil; ortak bilimsel bilgiyi her bahçenin kendi koşullarına göre uyarlayan bir altyapı kurmak.
Toprak ölçümleri, üretim kayıtları, uygulama geçmişi ve verim bilgileri her işletmenin kendi ticari varlığıdır. Bu yüzden erişim yetkilerinin açıkça tanımlandığı ve sahadan gelen verilerin üçüncü taraflarla rızanız olmadan paylaşılmadığı bir güvenlik yaklaşımı benimsiyoruz.
Farklı bahçelerin verileri ortak modelleri eğitmek için kullanılsa bile kişisel ve ticari kimlik tamamen çıkarılır; kullanılan yalnızca istatistiksel ve tarımsal bilgidir. Verinizin silinmesini de dilediğiniz zaman isteyebilirsiniz; bu, KVKK kapsamındaki hakkınızdır.
