Yozgat Bozok Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü öğretim üyesi Dr. Öğr. Üyesi Gökalp Çınarer’in yürütücülüğünü üstlendiği “Derin Öğrenme Tabanlı Morfo-Görsel Veri Füzyonuyla Çok Modlu Tarımsal Tohum Sınıflandırması” başlıklı proje, TÜBİTAK 1002-A Hızlı Destek Programı kapsamında desteklenmeye hak kazandı.
Yapay Zeka ile Tarımda Yeni Bir Dönem
Proje, tarımsal üretimde yapay zeka destekli dijitalleşmeyi merkeze alırken, tohum sınıflandırma süreçlerini daha nesnel, hızlı ve ölçülebilir hale getirmeyi amaçlıyor. Özellikle geleneksel yöntemlerde karşılaşılan zaman kaybı ve hata paylarının azaltılması, çalışmanın öne çıkan hedefleri arasında yer alıyor. Akademik bilgi ile sahadaki ihtiyacın kesiştiği bu çalışma, tarım teknolojileri açısından dikkat çeken bir adım olarak değerlendiriliyor.
Morfo-Görsel Veri Füzyonuyla Hibrit Bir Yaklaşım
“Proje kapsamında geliştirilecek sistem, tohumların morfolojik ve görsel özelliklerini birlikte ele alan çok modlu bir derin öğrenme modeli üzerine kurulacak” söyleyen Dr. Öğr. Üyesi Gökalp Çınarer, bu yaklaşım sayesinde tarımsal üretim süreçlerinde iklim dostu, düşük maliyetli ve yüksek verimli senaryoların desteklenebileceğini ifade etti. İnsan müdahalesine ihtiyaç duymadan çalışan bu yapı, görüntü işleme ve yapay zeka yöntemlerini bir araya getirerek otomatik sınıflandırma imkanı sunduğunu belirten Çınarer, “Hedeflenen doğruluk oranının en az yüzde 95 olması ve elde edilecek performans farklarının istatistiksel olarak anlamlı sonuçlar üretmesi beklendiğini ve bu yönüyle proje, yapay zeka tabanlı tarımsal karar destek sistemlerine güçlü bir altyapı sağlamayı amaçladık” dedi.
Tohum Seçiminde Nesnel ve Tekrarlanabilir Sistem
Geliştirilecek yapay zeka modeli, Türkiye’de yetiştirilen farklı tohum çeşitlerinin hızlı ve yüksek doğrulukla sınıflandırılmasını hedeflendiğini belirten Çınarer, geleneksel seleksiyon süreçlerinde yaşanan iş gücü maliyeti ve hata paylarının bu sistemle büyük ölçüde ortadan kaldırılabileceğini vurguluyor. “Nesnel, veri temelli ve tekrarlanabilir bir yapı sunan model, verimliliğin artırılması, tohum israfının azaltılması ve sürdürülebilir üretim sistemlerine geçiş açısından stratejik bir katkı sunuyor” şeklinde konuşana Çınarer, üreticilerin karar verme süreçlerini güçlendiren bu yaklaşım, tarımda dijital dönüşümün somut örneklerinden biri olduğunu belitti.
Ölçeklenebilir ve Açıklanabilir Yapay Zeka Altyapısı
Projenin dikkat çeken bir diğer yönü ise açıklanabilirlik ve modülerlik özellikleri. Çınarer, geliştirilecek sistemin yalnızca tek bir ürün grubuyla sınırlı kalmayacağını belirtiyor. Baklagillerden tahıllara, meyve ve sebze çeşitlerinden farklı tarımsal ürünlere kadar geniş bir yelpazede uyarlanabilir bir yapı amaçlandığına dikkat çeken Çınarer, “Bu sayede tarımsal Ar-Ge çalışmaları, tohum firmaları, ürün izleme sistemleri ve tarım sigortacılığı gibi alanlarda da kullanılabilecek ölçeklenebilir bir yapay zeka altyapısının oluşturulması planlanıyor. Proje çıktılarının, akademik bir dergide yayımlanarak bilimsel literatüre kazandırılması ve ulusal ölçekte sürdürülebilir tarım odaklı yapay zeka uygulamalarına katkı sağlaması hedeflendim” ifadelerine yer verdi.