Hydroponic Agriculture with Machine Learning and Deep Learning Methods

OpenAlex English

In the face of the rapidly increasing world population today, researchers have turned to studies aiming to use existing resources more effectively and efficiently, while also exploring new resources to meet the increasing demands, such as raw materials and nutrients.Hydroponic agriculture has been gaining popularity day by day as one of the alternative methods to fulfill crucial human needs.Its characteristics, including resistance to weather conditions, indoor applicability, and vertical orientation, set hydroponic agriculture apart from traditional methods.The absence of soil in this agricultural approach necessitates more observation and supervision.In this study, the use of machine learning was investigated to overcome the observation and surveillance processes that must be done continuously for the healthy growth of plants.Firstly, we developed a hydroponic prototype to assess this goal.With the developed hydroponic prototype, plant water and wastewater data to be used in the evaluation of the growth and development of plants were obtained by sensors.The data obtained through Arduino was stored in the database and used in the training processes of machine learning algorithms.Our experimental study, which utilized five machine learning and deep learning methods, demonstrated a significant increase in hydroponic agricultural efficiency.Notably, deep learning outperformed other methods with a 99.7% success rate.In conclusion, our study shows that machine learning can be used effectively in hydroponic agriculture by providing observation and surveillance of plants. MakineÖğrenmesi ve Derin Öğrenme Yöntemleri ile Hidroponik Tarım ÖZ Bugün dünyanın hızla artan nüfusu karşısında, araştırmacılar var olan kaynakları daha etkili ve verimli bir şekilde kullanmayı amaçlayan çalışmalara dönmüşler, aynı zamanda hammaddeler ve besin maddeleri gibi artan talepleri karşılamak için yeni kaynakları keşfetmişlerdir.Hidroponik tarım, kritik insan ihtiyaçlarını karşılamak için kullanılabilecek alternatif yöntemlerden biri olarak gün geçtikçe popülerlik kazanmaktadır.Hidroponik tarımın, hava koşullarından etkilenmemesi, kapalı alanlarda uygulanabilmesi ve dikey yönlendirilebilmesi gibi özellikleri, onu geleneksel yöntemlerden ayıran özelliklerdir.Bu tarım yönteminde toprak eksikliği, daha fazla gözlem ve denetim gerektirir.Bu çalışmada bitkilerin sağlıklı büyümesi için sürekli yapılması gereken gözlem ve gözetim işlemlerinin üstesinden gelmek için makine öğrenmesinin kullanımı araştırılmıştır.Bu hedefi değerlendirmek için ilk olarak hidroponik bir prototip geliştirilmiştir.Geliştirilen hidroponik prototip ile bitkilerin büyüme ve gelişmesinin değerlendirilmesinde kullanılacak bitki suyu ve atıksu verileri sensörler aracılığıyla elde edilmiştir.Arduino üzerinden elde edilen veriler veri tabanında saklanarak makine öğrenmesi algoritmalarının eğitim süreçlerinde kullanılmıştır.Beş makine öğrenimi ve derin öğrenme yöntemlerini kullanan deneysel çalışmalarımız, hidroponik tarım verimliliğinde önemli bir artış olduğunu ortaya koymuştur.Özellikle derin öğrenme yöneteni %99,7 başarı oranıyla diğer yöntemlerden daha iyi performans göstermiştir.Sonuç olarak çalışmamız, bitkilerin gözlem ve gözetiminide sağlayarak makine öğreniminin topraksız tarımda etkin bir şekilde kullanılabileceğini göstermektedir.