Vision-based robotic plant growth monitoring and learning in polyculture farming


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: ARİF YILMAZ

Danışman: HURİYE IŞIL BOZMA AYDIN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez çalışması, polikültür tarımda bir robot ile görüntü tabanlı bitki büyümesi izleme ve öğrenme problemlerine odaklanmaktadır. Polikültür tarım, toprağın hazırlan-ması ve bahçe birliklerinin oluşturulması gibi prensipleriyle monokültür tarımdan olduk-ça farklı bir tarım türüdür. Çalışmada daha önce geliştirilmiş olan üç eksenli kartezyen robot TarRob, ek geliştirmeler yapılarak kullanılmaktadır. İlk önce, robotun çalışma alanı olan bahçenin toprağı polikültür ekim prensiplerine uygun şekilde hazırlanmış ve birlik oluşturabilecek bir bitki seti seçilerek dikilmiştir. TarRob'un görev seti tüm ekili bitkilerin RGB-D görüntülerini düzenli toplama işi yapabilecek şekilde güncellenmiştir. Üç ay süresince, günde altı saat aralıkla dört kez veri toplanarak polikültür bitki veri seti oluşturulmuştur. İkinci kısımda, robotun kendi başına ve bitki türünden bağımsız olarak bitkileri ve yaprakları tespit edebilmesine yönelik modeller geliştirilmiştir. Bu modeller esasen RGB verisi kullanan YOLO derin ağları temelli olup, ek bir eğitime tabi tutulmuşlardır. Bunun için, veriseti ayrıca doğru bölütleme sonuçları içerecek şekilde genişletilmiştir. Üçüncü kısımda, RGB tabanlı kabataslak ve ince bölütleme sonuçları, derinlik verileriyle birleştirilerek her bir bitkiye ait nokta bulutunu oluşturan metodlar geliştirilmiştir. Nokta bulutu verisi kullanılarak, yükseklik, genişlik, uzunluk, alan ve yaprak sayısı gibi bitkinin yapısal özellikleri otomatik olarak hesaplayan metodlar geliştirilmiştir. En son kısmında ise, bu özelliklerin zamansal değişimleri kullanılarak bitkilerin büyüme modellerinin öğrenilmesine yönelik çalışılmalar yapılmıştır. Bu çerçevede tez, robotik, makine görme ve makine öğrenmesi alanlarını birleştirerek, polikültür tarımda bitki büyümesinin otomatik olarak izlenmesi ve analizi için kapsamlı, hızlı ve modüler bir yaklaşım sunmaktadır.