Greenhouse Controlled Agriculture

Kontrollü ortam tarımi (CEA), sera, dikey çiftlikler, hidroponik ve akuaponik sistemler gibi yapilarda bitki yetistiriciligini kapsar. Dunya nufusunun 2050 yilinda 9.7 milyara ulasmasi beklentisiyle, sinirli kaynaklarla daha fazla gida üretimi zorunlulugu bu alana yonetimi güçlendirmiştir. Makine öğrenmesi, IoT sensorleri ve akilli kontrol sistemleri, sera iklim yonetimini optimize etmek, enerji tüketimini azaltmak ve ürün verimini artırmak için yaygın olarak kullanılmaktadır. Literaturde bu konuda yaklaşık 69 makale tanimlanmistir.

Sera Iklim Kontrolu

Model Tabanlı Kontrol (MPC) ve Takviye Öğrenmesi (RL)

Morcego ve arkadaşları (2023) tarafından Computers and Electronics in Agriculture dergisinde yayımlanan çalışmada, sera iklim kontrolu için Model Prediktif Kontrol (MPC) ve Takviye Öğrenmesi (RL) yaklasimlarinin kapsamli bir karşılaştırması yapilmistir. Marul sera modeli üzerinde gerçeklestirilen bu çalışmada, dort durum değişkeni (kuru madde, CO2 konsantrasyonu, hava sıcaklığı, bagil nem) ve uc kontrol eylemi (CO2 enjeksiyonu, havalandirma, isitma) modellenmistir.

MPC, 3.1% daha yüksek ekonomik getiri saglarken, RL agenti daha fazla marul üretimi gerçeklestirmistir ancak kaynak tüketimi daha yüksek olmustur. RL'nin en büyük avantaji hesaplama süresinin MPC'nin yaklaşık 130'da biri olmasi (2.36 sn vs. 305 sn) ve belirsizliklere karsi dogal dayanikliligidir.

MPC ve RL Karşılaştırması

IoT Sensor Aglari ve Sera Otomasyonu

Akıllı Sera Teknolojileri

Karanisa ve arkadaşları (2022) tarafından Environment Systems and Decisions dergisinde yayımlanan kapsamli inceleme çalışmasında, Katar örneğinde akilli sera gelişimi ele alinmistir. Çalışmada sera otomasyonu için kullanılan baslica teknolojiler sınıflandirilmistir:

Sensor Turleri ve Islevleri: - Sicaklik ve nem sensorleri (ortam kontrolu) - CO2 sensorleri (fotosentez optimizasyonu) - Işık sensoru ve PAR ölçümu (aydinlatma yonetimi) - Toprak nemi ve pH sensorleri (sulama kontrolu) - Elektriksel iletkenlik sensorleri (besin çözeltisi yonetimi)

Kontrol Yöntemleri: - PLC ve SCADA tabanlı otomasyon piramidi - Bulanik mantik kontrolculeri (fuzzy logic) - Yapay sinir ağları (ANN) - Genetik algoritmalar - Model prediktif kontrol (MPC) - Kayma modlu kontrolculer

Robotik Sistemler

Sera ortaminda robotik uygulamalar hızla gelişmektedir. Otonom mobil robotlar, sera içinde gezinerek nem, sıcaklık ve ışık verilerini toplamaktadir. Ileri düzeyde sistemler hem yer hem hava araclarini icerebilmekte ve CO2 konsantrasyonunu farkli yüksekliklerde olcebilmektedir. Robotlar ayrica pestisit puskurtme, fide dikimi, gübreleme, fenotipleme ve hasat gibi görevlerde kullanılmaktadır.

Hidroponik ve Akuaponik Sistemler

Hidroponik İzleme

Edwin ve arkadaşları (2022) tarafından Indonesian Journal of Electrical Engineering'de yayımlanan çalışmada, hem acik alan hem de hidroponik ortamlar için IoT tabanlı akilli tarım izleme sistemi geliştirilmiştir. Arduino UNO mikrokontrolocu ve GSM900A modulu kullanilarak bes farkli sensor verisi (toprak nemi, sıcaklık/nem, gaz kalitesi, atmosferik basinc, ışık miktari) ThingSpeak IoT API platformuna iletilmistir. Esik değerlerinin asilmasi durumunda SMS yoluyla ciftciye otomatik uyari gonderilmektedir.

Literaturde hidroponik sistemler için izleme çözümleri su bilesenlerden olusmaktadir:

Akuaponik Sistemler

Akuaponik, hidroponik bitki yetistiriciligi ile su kulturu balik yetistiriciligini entegre eden bir sistemdir. ML yöntemleri, su kalitesi parametrelerinin izlenmesi, balik ve bitki sagligi tahmini ve sistem dengesinin optimize edilmesinde kullanılmaktadır.

Dikey Çiftçilik ve Bitki Fabrikalari

Dikey çiftlikler, bitkilerin dikey olarak istiflenmis katmanlarda yetistirildigi kontrollü ortamlardir. Bu sistemler özellikle kentsel bölgeler ve sinirli tarım arazisi olan ulkeler için cekici bir çözümdür. Temel özellikleri sunlardir:

• Alan verimliliği: Geleneksel tarımdan 10-100 kat daha az alan gerektirir
• Su tasarrufu: Damlama ve geri dönüşüm sistemleriyle %80-90 su tasarrufu
• Tum yil üretim: Mevsimsel sınırlamalardan bagimsiz
• Pestisit kullanımsiz: Kontrollü ortamda zararli riski minimize edilir

Enerji Optimizasyonu

Sera isletmelerinde enerji maliyeti, toplam isletme giderlerinin önemli bir kismini oluşturur. Enerji optimizasyonu için kullanılan stratejiler:

Yenilenebilir Enerji Entegrasyonu: - Gunes enerjisi panelleri (sera catisinda veya bitisiginde) - Jeotermal enerji (isitma ve sogutma) - Hibrit enerji sistemleri

Aydinlatma Optimizasyonu: - LED aydinlatma, HPS lambalardan %38-47 daha düşük çevresel etkiye sahiptir - %80 kirmizi + %20 mavi LED kombinasyonu marul için en verimli sonuçu vermistir - 3D ek aydinlatma sistemleri, hava kosullarina bagli olarak gunes ışığı ve LED arasında otomatik geçiş yapabilmektedir

Su Yonetimi: - Tensiometre tabanlı sensor ağları ile hassas sulama - Yagmur suyu hasati ile sera su tuketiminin %80-90 azaltılması - Acikli sulama (deficit irrigation) ile su tasarrufu: %75 sulama rejiminde verim kaybi minimumda tutularak %20 su tasarrufu saglanabilmektedir

Marul Sera Modeli: Bir Vaka Çalışması

Morcego ve arkadaşlarınin (2023) çalışmasında kullanılan van Henten (1994) marul sera modeli, dort diferansiyel denklemle tanimlanmaktadir: - x1: Bitki kuru maddesi (üretim çıktısi) - x2: Ic ortam CO2 konsantrasyonu - x3: Ic ortam hava sıcaklığı - x4: Ic ortam bagil nem

Simulasyon 40 gunluk bir yetistirme dönemi üzerinde 15 dakikalik zaman adimlariyla gerçekleştirilmiştir. MPC 6 saatlik tahmin ufku kullanirken, RL agenti 0.9 iskonto faktoruyle gelecek odullerini değerlendirmiştir. Her iki kontrolcunun de gunduz saatlerinde CO2 konsantrasyonunu belirgin şekilde artirdigi, MPC'nin havalandirmayi daha verimli kullandigi ancak RL agentinin daha fazla enerji tükettiği gözlemlenmiştir.

Zorluklar ve Gelecek Yönelimler

Sera ve kontrollü ortam tarıminda beklenen gelişmeler sunlardir: fizik tabanlı modeller ile veri odakli ML yöntemlerinin hibrit entegrasyonu, otonom sera yonetim sistemleri (robotlar + AI + IoT), enerji depolama ve yenilenebilir enerji entegrasyonu, iklim değişikliğine direncli kontrollü ortam tasarimi ve bitki fabrikalari ile kentsel tarım yaklasimlarinin yaygınlaşması.

Ilgili Kaynaklar

• Morcego, B. ve ark. (2023). "Reinforcement Learning versus Model Predictive Control on greenhouse climate control." Computers and Electronics in Agriculture, 215, 108372.
• Karanisa, T. ve ark. (2022). "Smart greenhouses as the path towards precision agriculture in the food-energy and water nexus." Environment Systems and Decisions, 42, 521-546.
• Edwin, B. ve ark. (2022). "Smart agriculture monitoring system for outdoor and hydroponic environments." Indonesian J. of Elec. Eng. and Comp. Sci., 25(3), 1679-1687.
• Literaturde bu alanla ilişkili yaklaşık 69 makale tanimlanmistir.