Geleceğin tarımını hayal edin: Kararları yapay zeka alıyor, işlemleri robotlar yapıyor ve her şey birbirine bağlı. Peki, bu geleceğe nasıl ulaşacağız?

Bu yolculuk, 2014 yılında bir kablosuz sensör ağı denemesiyle başladı, 2015’te insansız hava araçlarına evrildi ve 2016'da tarımda yapay zekanın kullanımıyla bir vizyona dönüştü. Bu vizyonu gerçeğe dönüştürmek için de 2017 yılında TÜBİTAK 1512 desteğiyle şirketimiz kuruldu. O günden bu yana, edindiğimiz eşsiz deneyim sayesinde, yeni nesil tarımın ihtiyaçlarına birebir uyan çözümler geliştirdik. Bu sayfada, geleceğin tarım bölümlerine ışık tutan yenilikçi çözümlerimizi ve bunların tarımınıza nasıl değer katacağını göreceksiniz.

• Hassas Tarım ve Tarımsal Robotlar

  • 2016'da patentlediğimiz, multispektral kameralı bitki sağlığı ve rekoltesi hesaplama kamerası, hassas tarım konusunda ciddi bir temel taşıdır.

  • 2017'de geliştirdiğimiz, Spectralix serisi cihazlar, gerçek zamanlı olarak İHA ve Traktör temelli kamera sistemlerinden gelen görüntüleri yorumlayarak benzersiz hız ve esneklikte sonuçlar üretebilmiştir.

  • 2018'de geliştirdiğimiz Caterpillar Xs platformu, esnek gövdesi ve hızlı ölçeklenebilir yapısı sayesinde tarımsal robotiğin temelini oluşturmaya aday bir üründür.

  • 2019'da geliştirmeye başladığımız MeyveSayar / YieldEstimator projeleri ve ürünleri sayesinde, hassas tarım'a yeni bir anlam kazandırarak, bağlarda ve bahçelerde GPS koordinatlı olarak verim haritaları, hastalık ve zararlı haritalarını üretmeye başladık.

• Tarım Makineleri ve Teknolojileri Mühendisliği

  • Geleceğin tarım makinelerine uyumlu olarak ürettiğimiz Edge AI / Sınırdaki Zeka teknolojileri sayesinde, siz tarımsal aktivitelerinizi yürütürken bizim geliştirdiğimiz sistemler ilgili verileri toplayıp yorumlayıp sonuçlarını incelemeye hazır hale getirmek üzere durmadan çalışıyor.

  • Yarı otonom ve otonom tarım makineleri, çevresinin farkında olan makineler olmak zorunda olduğu için, bunlara uygun da çözümleri halihazırda geliştirdik. Örneğin bir ürünümüz, zeytin ağacı silkeleme robot kolunun, insanlara zarar verebileceğini öngörerek, insan varlığında sistemin uyarı vermesi ve otomatik durmasını sağlıyor, bu konuda tanıtımı 2024 Tarım fuarında gerçekleştirdik.

• Doğa Koruma ve Biyoçeşitlilik Yönetimi

  • Tarımsal üretimde kullanılan kimyasal maddelerin çevre üzerindeki etkilerini uzun yıllardır inceliyoruz.

  • Uydu görüntüleri üzerinden, Türkiye'deki göllerin yüzey alan değişimleri, bu göllerdeki ötrofikasyon izlerini haritaladık.

  • Bu çalışmalar sayesinde tarım ve çevre arasında denge sağlamak ve sürdürülebilir üretim yöntemlerini desteklemek mümkün oluyor.

• Dijital Tarım Teknolojileri

  • Kablolu ve kablosuz sensör ağları, üretim bilgi ekranları, rekolte tahminleri, insanlı ve insansız kara ve hava araçları ile uydu görüntüsü işleme ve yorumlama sistemleri üzerinden, dijital tarımın her alanında uygulanabilir çözümler sunuyoruz. 

• Akıllı Tarım ve Gıda Yönetimi

  • Bahçedeki elmanın, tarladaki ekinin, barınaktaki hayvanın veya kümesteki tavuğun ihtiyaçlarını takip etmek için; sıcaklık, nem, besin ve ilaç gereksinimlerini ölçen akıllı sensörler ve optik cihazlar kullanıyoruz. Böylece tarım süreçleri hem akıllı hem de sürdürülebilir hâle geliyor. 

İlgili YÖK Haberi için buraya tıklayınız.

Detaylı bilgi için iletişim: Celil Serhan TEZCAN - ai@tarsens.com - +905068505798 

TARSENS Tarım Terimleri Sözlüğü

• GPS - Global Positioning System: Küresel Konumlandırma Sistemi’nin kısaltmasıdır. GPS, GNSS - Global Navigation Satellite System / Küresel Navigasyon Uydu Sistemi’nin öncülerinden olup, en yaygın konum belirleme sistemidir. Uyduların içindeki saatlerin rölativistik kayma hesapları ve radyo dalgalarının ışık hızında iletilmesi kullanılarak, bir aracın dünya üzerindeki konumu, birden fazla uydudan gelen sinyaller arasındaki farklar üzerinden belirlenir. 

• Multispektral / Çoklu dalgaboyu: Bitkilerin veya tarımsal alanların birden fazla ışık dalga boyunda - mavi, yeşil, kırmızı, yakın kızılötesi vb.) görüntülenmesidir. Bu sayede bitki sağlığı, verim ve stres durumu analiz edilebilir. Bu hesaplamalarda genellikle NDVI kullanılır. 

• NDVI - Normalized Difference Vegetation Index: Bitki sağlığını ölçmek için multispektral görüntülerden hesaplanan bir endekstir. Bitki örtüsü miktarı ve sağlığı hakkında bilgi verir. Formülü:  NDVI = (NIR - RED) / (NIR + RED)) Yani, kızılötesi yansıma ile kırmızı yansımanın farkının, toplamına bölünmesiyle -1 ila +1 arasında bir değer üretilir. Derin sularda kızılötesi ışığın soğrulması nedeniyle -1 ila 0 arası önemsiz veya sel baskını olarak değerlendirilirken (kar, bulut, asfalt, binalar, kayalar veya çıplak toprağı'da ifade ettiği durumlar olur), 0 ila +1 arası bitki sağlığını gösterir. Sonuçların doğruluğu, kullanılan sistemin spektral, uzamsal (spatial), zamansal (temporal) ve radyometrik çözünürlüğü ile ilgilidir. GNDVI gibi kırmızı yerine yeşil dalgaboyunu kullanan türevleri de mevcuttur. 

• Spektral Çözünürlük - Spectral Resolution: Bir sistemin farklı ışık dalga boylarını ne kadar hassas ayırabildiğini gösterir. Örneğin, multispektral kameralar mavi, yeşil, kırmızı ve yakın kızılötesi ışığı ayrı ayrı algılar.

• Uzamsal Çözünürlük - Spatial Resolution: Görüntüdeki en küçük detayın boyutunu ifade eder. Yani, bir pikselin sahadaki gerçek boyutu ne kadar küçükse, o kadar yüksek uzamsal çözünürlük vardır.

• Zamansal Çözünürlük - Temporal Resolution: Bir alanın ne sıklıkla görüntülenebileceğini ifade eder. Örneğin, uydu görüntüleri veya drone uçuşlarıyla aynı bölgeye gün, hafta veya ay aralıklarıyla tekrar bakılabilir.

• Radyometrik Çözünürlük - Radiometric Resolution: Sensörün ışık yoğunluğundaki küçük farkları ne kadar hassas algılayabildiğini gösterir. Daha yüksek radyometrik çözünürlük, bitki sağlığı ve stres analizinde daha doğru sonuç sağlar. Örneğin 8 bit bir algılayıcı, 2^8 üzerinden 256 tonlu sonuç üretirken, 10 bitlik bir algılayıcı 2^10 sayesinde 1024 tonlu sonuç üretir.

• GNDVI - Green Normalized Difference Vegetation Index: NDVI’nın bir türevidir ve kırmızı dalga boyu yerine yeşil dalga boyunu kullanır. Bitki sağlığını ve yeşil örtü miktarını farklı bir perspektiften ölçmek için kullanılır.

• Hiperspektral - Hyperspectral: Multispektral görüntülemeden daha hassas bir yöntemdir; yüzlerce dar bantta - spektral kanal) ışığı algılar. Bitki sağlığı, su stresi, hastalık ve zararlı tespiti gibi analizlerde çok daha ayrıntılı veri sağlar. Multispektral ile arasındaki fark, daha yüksek spektral çözünürlük ve çok daha ince dalga boyu ayrımıdır. 

• Asidifikasyon: Toprak veya yağmur suyunun kimyasal olarak asidik hâle gelmesi; bitki gelişimi ve ekosistem üzerinde olumsuz etkiler yaratır.

• Ötrofikasyon: Suya fazla gübre veya besin taşınması sonucu alg ve bitki çoğalmasının artması; su kalitesinin düşmesi ve ekosistemin bozulmasıyla sonuçlanır.

• Arduino: Elektronik projeler geliştirmek için kullanılan, basit ve açık kaynaklı bir mikrodenetleyici kart ailesidir. Önceki nesillerinde, devre kartı şemaları ve çizimleri de ücretsiz olarak paylaşılmaktaydı ve bu sayede dünyanın en hızlı yayılan ve en çok kullanılan açık kaynaklı gömülü sistem platformu haline geldi.

• Raspberry Pi: Kredi kartı büyüklüğünde, genellikle linux işletim sistemine giriş, prototipleme ve IoT projelerinde kullanılan, tam teşekküllü bir tek kart bilgisayardır. Yeni nesillerinde daha küçük kartlar da çıkmıştır ve Pico ailesiyle düşük güç harcayan, görüntü çıkışı olmayan modeller de piyasaya sürülmüştür.

• Nvidia Jetson: Yapay zeka ve makine öğrenimi uygulamaları için tasarlanmış, güçlü bir gömülü sistem bilgisayarı serisidir. İlk sürümü TK1 ile başlayan süreç, TX1, TX2, AGX Xavier, AGX Orin, AGX Thor ile devam etmiştir. Dünyanın en yüksek hesaplama gücüne sahip minyatür hesaplama işlemcileridir. Görüntü işleme, robotik, insanlı ve insansız hava araçları, insanlı ve insansız otonom kara araçları geliştirilmesinde kullanılmaktadır.

• Gömülü sistemler: Belirli bir görevi gerçekleştirmek için tasarlanmış, bir ana bilgisayar sisteminin içinde yer alan donanım ve yazılım bileşenlerinin birleşimidir.

• İHA - İnsansız Hava Aracı: Pilot olmadan uçabilen, tarımsal görüntüleme ve veri toplama yapabilen drone benzeri araçlar.

• Sınırdaki Zeka - Edge AI: Verinin üretildiği cihaz üzerinde - tarım makinesi, sensör veya robot) işlenmesi. İnternet veya buluta bağımlılığı azaltır, gerçek zamanlı analiz sağlar. Üzerinde çalışan modeller belirli aralıklarla güncellenir ve sonuçlar, sürekli değişen üretim koşullarına göre güncel kalır.

• Verim Haritası: Tarla veya bahçede hangi bölgelerin daha verimli olduğunu gösteren harita; hassas tarım uygulamaları için temel sağlar.

• ISOBUS: traktörler ve diğer tarım makineleri arasında veri iletişimi sağlayan bir standardı ifade eder. Tam olarak, "ISO 11783" adı verilen bir standart çerçevesinde, tarım makineleri ve ekipmanlarının birbirleriyle uyumlu bir şekilde iletişim kurabilmesini sağlar. Bu sistem, traktör ve bağlı ekipmanlar arasında veri paylaşımını kolaylaştırarak, operatörlerin makineleri daha verimli ve kontrollü bir şekilde yönetmelerine olanak tanır. 

• M2M: Makine-Makine (Machine to Machine), makineler arasında veri iletimi ve iletişimi anlamına gelir. Bu teknoloji, cihazların birbiriyle, insan müdahalesi olmadan doğrudan veri paylaşmasını sağlar. M2M, sensörler, cihazlar ve makineler arasında iletişimi kolaylaştırarak otomatik kontrol ve izleme işlemlerine olanak tanır. 

• IoT - Internet of Things - Nesnelerin İnterneti: Birbiri ile iletişim halinde bulunabilen, sera, bağ, bahçe, soğukhava deposu, barınak, kümes, depo, ahır, silo vb. ortam sensörleri ile hayvanlara takılan sensörler, araçlara takılan sensörler bu sınıfa girer. Bu sensörlerden gelen veriler sayesinde üretim kayıpları minimuma indirilir ve tarım saniye seviyesinde takip altına alınabilir.

• Uydu Teknolojisi - Satellite: Büyük tarım alanlarını, görece düşük yersel ve zamansal çözünürlükle takip imkanı sağlar. Efektif bir ücretsiz uydu görüntüsünün yersel çözünürlüğü 1 px = 10 metredir ve bu 100 hektarlık bir alanı takip etmek için faydalı olabilir. 

• Gönüllü Coğrafik Bilgi - Volunteered Geographic Information: Tarım alanlarında kullanıcılar tarafından sağlanan coğrafi veriler, tarla ve çevreyi izlemek için kullanılır. Bunlar çekirge tespiti tırtıl tespiti gibi zararlıların takibi için kullanılabilir.

• Geleneksel Optikler: Işığı bükmek ve odaklamak için kavisli cam lensler ve aynalar gibi hacimli bileşenlere dayanır.

• Düz Optikler (Flat Optics): Işığı, nanometre ölçeğindeki desenlerle kaplanmış ultra ince yüzeyler kullanarak manipüle eder. Bu sayede, geleneksel sistemlerin tüm işlevleri çok daha ince, düz ve hafif bileşenlerle gerçekleştirilebilir. 

• Meta-Optikler (Meta-Optics): Düz optiklerin bir alt kategorisidir. Bu teknolojiler, ışığın dalga boyundan bile daha küçük nanoyapılar (meta-yüzeyler) kullanarak ışığın genliğini, fazını ve polarizasyonunu kontrol eder. Geleneksel lenslerin yerini alan düz optik lensler (metalenses), dronlara, robotlara ve traktörlere takılan sensörlerin boyutunu ve ağırlığını önemli ölçüde azaltır. Bir metalens, hem normal görünür ışık görüntüsü çekebilir hem de bitki sağlığını gösteren kızılötesi verileri toplayabilir. Bu, aynı anda hem görsel analiz hem de stres tespiti yapabilme yeteneği sağlar. TARSENS Litholabs bunun için kurulmuştur ve geleceğin görüntüleme sistemleri üzerine çalışmaktadır.

• Biyoçeşitlilik Haritalama - Biodiversity Mapping: Tarım alanlarında bitki ve hayvan türlerinin çeşitliliğini izlemek ve koruma stratejileri geliştirmek için yapılan haritalama çalışmaları.

• Coğrafi Etiketleme - Geo-tagging: Tarımsal veri toplama sırasında her veriye özgü coğrafi koordinatlar ekleyerek, daha doğru ve yerel analizler yapılmasını sağlar.

• Ekim Dönüşüm İzleme- Crop Rotation Monitoring: Tarımda ürün rotasyonu uygulanarak toprak sağlığını korumak için farklı yıllarda yapılan ekim ve hasat işlemleri izlenir.

• Sürü Robotları - Swarm Robotics: Bir grup robotun birlikte çalışarak tarımsal görevleri gerçekleştirmesini sağlayan teknoloji; özellikle hassas tarımda kullanılır. TARSENS Caterpillar Xs serisi bunun için geliştirilmiştir.

• Tarım Modelleri - Agronomic Models: Tarım süreçlerini simüle etmek ve daha verimli stratejiler geliştirmek için kullanılan matematiksel ve bilgisayar tabanlı modeller.

• İklim Direnci - Climate Resilience: Tarımda, iklim değişikliği ve hava koşullarına karşı dayanıklı tarım uygulamaları ve stratejileri geliştirilmesi.

• Akıllı Gübre Uygulaması - Smart Fertilizer Application: Sensörler ve verilerle gübre miktarının optimize edilerek toprak verimliliğinin artırılması.

• Otonom İlaçlama Sistemleri - Autonomous Sprayers: Bitki sağlığını izleyen ve otomatik olarak ilaçlama yapan robotik sistemler.

• Değişken Miktarda Sulama - Variable Rate Irrigation: Toprak nemine ve bitki ihtiyacına göre sulama miktarını otomatik olarak ayarlayan sistemler.

• Tarım Ormancılığı - Agroforestry: Tarım alanlarında ağaçların da eklenmesiyle biyolojik çeşitliliği artıran ve ekosistemi koruyan bir yöntem.

• Tarımda Yapay Zeka - Artificial Intelligence in Agriculture: Tarımda verimlilik artırıcı, karar destek sistemleri ve otomatik analizler sağlamak için yapay zeka kullanımı.

• Verim Tahmin Modelleri - Yield Prediction Models: İklim, toprak koşulları ve geçmiş veriler kullanılarak gelecekteki mahsul veriminin tahmin edilmesi. TARSENS MeyveSayar/YieldEstimator bunun için geliştirilmiştir ve dünyada kendisini kanıtlamıştır.

• Toprak Sağlığı İzleme - Soil Health Monitoring: Toprağın pH, nem, organik madde ve diğer bileşenlerini izleyerek daha sağlıklı bir tarım ortamı oluşturulması. IoT en çok bu alanda kullanılmaktadır.

• Su Kullanım Verimliliği - Water Use Efficiency: Tarımsal sulama süreçlerinin optimize edilmesi ile suyun daha verimli kullanılmasını sağlamak.

• Robotik Ekim - Robotic Planting: Robotların tohumları otomatik olarak ekmesi, hız ve doğruluk sağlar, iş gücünü azaltır.

• Toprak Erozyonu Kontrolü - Soil Erosion Control: Tarımda toprak kaybını önlemek için çeşitli yöntemlerin kullanılması, sürdürülebilir tarım uygulamaları arasında yer alır.

• Akıllı Sera Sistemleri - Smart Greenhouses: İçerideki sıcaklık, nem, ışık ve CO2 seviyelerinin sensörlerle izlenip otomatik olarak kontrol edilmesini sağlayan seralar.

• Karbon Tutulumu - Carbon Sequestration: Tarımda karbon salınımını azaltan, toprağa karbon bağlayan uygulamalar, iklim değişikliği ile mücadelede önemli bir araçtır.

• Caterpillar Xs Platformu: Esnek gövde yapısı ve hızlı ölçeklenebilirliğiyle tarımsal robotik projeler için geliştirilmiş temel platform.

• MeyveSayar / YieldEstimator: Bağ ve bahçelerde verim, hastalık ve zararlı takibi yapabilen yapay zekâ tabanlı sistem. Temel olarak GPS özellikli kameralar ve/veya TARSENS’in geliştirdiği Edge AI işlemcili sistemlerden oluşur.

• Spectralix Serisi: TARSENS’in geliştirdiği, İHA veya traktör tabanlı kamera sistemlerinden gelen verileri gerçek zamanlı yorumlayabilen cihazlar.

• Tarım Robotları - Agri-Bots: Tarım alanında iş gücünü azaltarak, toprak işleme, hasat ve ilaçlama gibi işlemleri otomatik olarak yapan robotlar.

• Regeneratif Tarım - Regenerative Agriculture: Toprağın ve ekosistemlerin sağlığını geri kazandırmaya yönelik tarım yöntemleri.

• Tarla Sensörleri - Field Sensors: Tarla koşullarını - toprak nemi, sıcaklık, pH seviyesi, vb.) izlemek için kullanılan sensörler.

• Akıllı Traktörler - Smart Tractors: GPS, sensörler ve otonom sürüş özellikleriyle donatılmış, tarla üzerinde hassas işler yapabilen traktörler.

• Otomatik Dümenleme: Genel olarak belirli GPS koordinatları arasında, arazi üzerinde sıra üstü mesafeyi birbirine oldukça paralel tutarak minimum kayıpla ekim - dikim - hasat yapılmasını sağlayan, son yıllarda neredeyse tüm traktörlere gerek donanımsal gerek yazılımsal olarak entegre edilebilir hale gelmiş cihazlardır.

• Weather Forecasting Models - Hava Tahmin Modelleri: Tarım faaliyetlerine etki edecek hava koşullarını tahmin etmek için kullanılan yazılımlar ve algoritmalar.

• Veri Odaklı Tarım - Data-Driven Farming: Tarımda sensörler, uydu görüntüleri ve analizler kullanarak kararlar almayı sağlayan yöntem.

• Çiftçi Dijital Platformu - Farmer's Digital Platform: Çiftçilerin tarımsal faaliyetlerini, pazarlama ve ticaret işlemlerini dijital ortamda yönetebileceği platformlar.

• Karbon Ayak İzi Azaltma - Carbon Footprint Reduction: Tarımda sera gazı emisyonlarını azaltmaya yönelik uygulamalar ve stratejiler.

• Su Ayakizi: Bir ürünün üretim döngüsü içerisinde kullandığı su miktarını ifade eder.

• Yaşam Döngüsü Analizi - Life Cycle Analysis: Bir üretim döngüsünün, beşikten-beşiğe (tohumdan tohuma), beşikten-mezara (tohumdan - paketli ürüne) olan döngülerini inceler. Bu incelemeler sonrasında, karbon ayakizi, su ayakizi, asidifikasyon potansiyeli, ötrofikasyon potansiyeli, uçucu organik bileşik oluşturma potansiyeli gibi değişik sonuçlar çıkar.

• Otomatik Hasat Makineleri - Automated Harvesters: Tarım alanlarında, mahsulü otomatik olarak toplayan makineler.

• Gübreleme ve Sulama - Fertigation: Gübrelerin, sulama suyu ile birlikte doğrudan bitkilere verilmesi yöntemidir.

• Hidroponik Tarım - Hydroponics: Toprak yerine su ve besin çözeltisi kullanarak yapılan tarım yöntemi.

• Akuaponik Tarım - Aquaponics: Balık yetiştiriciliği ve bitki tarımını birleştirerek, birbirini besleyen bir ekosistem oluşturma yöntemi.

• Yapay Zeka Destekli Zararlı Yönetimi - AI-Driven Pest Management: Zararlıları tespit etmek ve kontrol etmek için yapay zeka ile desteklenen sistemler.

• Biyolojik mücadele: Zararlıların, böcekler veya nematodlar sayesinde etkisiz hale getirildiği durumdur. Burada, doğal döngüleri bozmayacak fakat bitkilere de zarar veren varlıkların temizlenmesini hedefleyecek çözümler geliştirilir. Örneğin, yaprak biti mücadelesinde uğur böceği yetiştirilmesi ve dağıtılması gibi.

• Akıllı Hayvancılık Yönetimi - Smart Livestock Management: Hayvanların sağlık, hareket ve beslenme durumlarını izlemek için IoT cihazları kullanan sistemler.

• Hassas Gübreleme - Precision Fertilization: Toprağın özelliklerine göre gübre miktarının ve zamanının optimize edilmesi.

• Sera Gazı Azaltımı - Greenhouse Gas Mitigation: Tarımda sera gazı emisyonlarını azaltmaya yönelik stratejiler ve teknolojiler.

• Uzaktan Algılama - Remote Sensing: Uydu, drone veya diğer teknolojiler kullanarak tarımsal alanlardan veri toplama yöntemi.

• Yakından Algılama - Proximal Sensing: Yersel ve yakından veri toplayan sensörlerle veri toplama yöntemi.

• Ortoretrifikasyon: Engebeli arazilerden toplanan hava veya uydu görüntülerindeki geometrik bozulmaları gidererek, harita ölçeğine uygun ve doğru konumlandırılmış görüntüler oluşturma işlemidir.

• Akıllı Sulama Sistemi - Smart Irrigation System: Toprak nemi, bitki ihtiyaçları ve hava durumu verilerine göre otomatik sulama yapan sistemler.

• Bitki Hastalığı Tahmini - Crop Disease Prediction: Tarımsal hastalıkları ve zararlıları erken tespit etmek için kullanılan modelleme ve analizler.

• Robotik Sağım - Robotic Milking: Sağıma gelen hayvanların, herhangi bir insan müdahalesi bulunmadan, memelerin temizlenmesi, sağım başıklarının otomatik olarak memelere yerleştirilerek, sağım öncesi süt analizi yapılmasını da kapsayan bir süreçle, sağımın tamamlanıp, memelerin yıkanması ve dezenfekte edilerek kurutulmasını sağlayan bir sürecin toplamdır. Bu sistemler sayesinde, hastalıklı sütler gerekirse ayrı tanklara toplanır ve imha edilir.

• Robotik Yemleme - Robotic Feeding: Bu sistemler, silolarda bulunan yem hammaddelerini belli rasyon oranlarında mikserlerde karıştırarak, yem dağıtım robotuna döker ve çiftlik içerisindeki belirli hayvan duraklarına otomatik olarak döker.

• Robotik Ameliyat - Robotic Surgery: Doğum dahil, hayvancılıkta bir sürü operasyonun robotlar tarafından yapılmasını sağlayan çözümlerdir.

• Yapay Et: Petrikabı gibi ortamlarda başlayan bu süreç, çeşitli bakterilerin, canlı bir hayvana gerek duymaksızın, et benzeri bir doku üretmesini sağlayan yöntemler sürecidir. Bu sistemlerin, bir ameliyathaneden daha temiz ortamlar olması gerekmektedir, öyle ki, en basit ve sıradan bakteri bile, besini çok bu ortamda kanserojen bir etki gösterip kontrolsüz çoğalmaya neden olabilir.

• Dikey Tarım: Birim alanın azaltılarak, raflı yetiştirme sistemleri sayesinde, topraksız ve bazen de doğal ışık olmadan yapılan yetiştirme sistemidir. Şu anda kısa boylu ve yaprakları geniş bitkiler (marul vb.) için kullanımı yaygınlaşmaktadır. Yüksek aydınlatma masraflarından dolayı, enerjinin ucuz olduğu yerlerde tercih edilebilir.

• Tuzlu su tarımı: Tuzlu topraklarda veya suyla yetişebilen ve gıda olarak tüketilebilen bitkilerin (örneğin tuz otu) yetiştirilmesidir.

• Agrivoltaik Sistemler (Agrivoltaics): Tarım alanları üzerinde güneş panellerinin kurulmasıdır. Bu sistemler, hem enerji üretimine hem de bitkilerin aşırı sıcaktan korunmasına yardımcı olurken, su buharlaşmasını azaltarak çift yönlü bir fayda sağlar. 

• Biyo-hızlandırma (Bio-Acceleration): Doğal mikrobiyal süreçleri (örneğin, kompostlama) hızlandırmak için ek mikroorganizmalar veya besin maddeleri eklenmesi işlemidir. Bu sayede, tarımsal atıklar daha hızlı bir şekilde değerli gübrelere dönüştürülebilir.

• Biyogaz: Organik atıkların oksijensiz ortamda, mikroorganizmalar tarafından parçalanması sonucu ortaya çıkan, enerji kaynağı olarak kullanılabilen yanıcı bir gaz karışımıdır.

• Kompost: Organik atıkların (bitki artıkları, mutfak atıkları vb.) kontrollü bir şekilde çürütülerek zengin ve doğal bir gübreye dönüştürülmesi işlemidir.

• Metanojen: Organik maddeleri parçalayarak biyogazın ana bileşeni olan metanı üreten ve oksijensiz ortamlarda yaşayan bir grup mikroorganizmadır.

• Makine Görüsü - Machine Vision: Görüntüleri yakalayan, işleyen ve analiz eden kameralar, sensörler ve yapay zeka algoritmalarını içeren bir teknolojidir. Amacı, makinelerin çevrelerini insanlar gibi "görmesini" ve bu bilgilerle otomatik olarak görevleri yerine getirmesini sağlamaktır.

• Segmentasyon (Segmentation): Bir görüntüdeki pikselleri, ait oldukları nesne veya kategoriye göre gruplara ayırma işlemidir. Örneğin, bir tarlayı gösteren görüntüde bitkiler, toprak ve yabani otlar pikseller bazında birbirinden ayrılır.

• Görüntü ve Obje Sınıflandırma (Image and Object Classification): Bir görüntü veya görüntüdeki bir objeyi, önceden tanımlanmış bir kategoriye atama işlemidir. Örneğin, bir drone görüntüsünün "buğday tarlası" olduğunu belirlemek (görüntü sınıflandırması) veya görüntüdeki bir bitkinin "sağlıklı" veya "hastalıklı" olduğunu tespit etmek (obje sınıflandırması).

• Obje Tespiti (Object Detection): Bir görüntüde bulunan nesnelerin yerini ve türünü belirleme işlemidir. Bu yöntem, her bir nesnenin etrafına bir "sınırlayıcı kutu" (bounding box) çizerek yerini ve ne olduğunu gösterir. Örneğin, bir elma ağacı görüntüsünde her bir elmanın nerede olduğunu tespit etmek.

• Obje Segmentasyonu (Object Segmentation): Bir görüntüdeki her bir objeyi piksel bazında hassas bir şekilde ayırma işlemidir. Obje tespitinden farklı olarak, sadece sınırlayıcı kutu çizmekle kalmaz, objenin tam sınırlarını belirler. Örneğin, bir bitkinin tüm yapraklarının ve gövdesinin piksellerini diğer piksellerden ayırır.

• Obje Takibi (Object Tracking): Bir video veya görüntü serisinde belirli bir nesnenin hareketini ve konumunu zaman içinde izleme işlemidir. Tarımda, bu teknoloji otonom makinelerin bir sırayı takip etmesi veya hasat robotlarının meyveleri takip etmesi gibi uygulamalarda kullanılır.

hassas tarım, tarımsal robotlar, tarım makineleri, dijital tarım teknolojileri, akıllı tarım, biyoçeşitlilik yönetimi, tarımda yapay zeka, drone haritalama, multispektral görüntüleme, NDVI, IoT tarım, Edge AI, tarımda büyük veri