Hoşgeldin, Ziyaretçi
Sitemizden yararlanabilmek için kayıt olmalısınız.

Kullanıcı Adı/E-Posta:
  

Şifreniz
  





Forumda Ara

(Gelişmiş Arama)

Forum İstatistikleri
» Toplam Üyeler 56.768
» Son Üye Robertanase
» Toplam Konular 12.172
» Toplam Yorumlar 30.186

Detaylı İstatistikler

Kimler Çevrimiçi
Şu anda 1927 aktif kullanıcı var.
» (1 Üye - 1921 Ziyaretçi)
Applebot, Bing, Facebook, Google, Yandex, JeffreyRok

Son Yazılanlar
Ereğli Ziraat Fakültesi B...
Forum: Konya Necmettin Erbakan Üniversitesi
Son Yorum: Mr.Muhendis
08-03-2026, 02:09 PM
» Yorum 0
» Okunma 56.307
Ereğli Ziraat Fakültesi T...
Forum: Konya Necmettin Erbakan Üniversitesi
Son Yorum: Mr.Muhendis
08-03-2026, 02:08 PM
» Yorum 0
» Okunma 7.581
Ereğli Ziraat Fakültesi T...
Forum: Konya Necmettin Erbakan Üniversitesi
Son Yorum: Mr.Muhendis
08-03-2026, 02:05 PM
» Yorum 0
» Okunma 439
Konya Necmettin Erbakan Ü...
Forum: Konya Necmettin Erbakan Üniversitesi
Son Yorum: Mr.Muhendis
08-03-2026, 02:03 PM
» Yorum 0
» Okunma 4.844
Konya Gıda ve Tarım Ünive...
Forum: Dijital Tarım Teknolojileri
Son Yorum: Mr.Muhendis
08-03-2026, 07:43 AM
» Yorum 0
» Okunma 58.640
Kastamonu Üniversitesi De...
Forum: Dijital Tarım Teknolojileri
Son Yorum: Mr.Muhendis
08-03-2026, 07:42 AM
» Yorum 0
» Okunma 10.108
Kütahya Dumlupınar Üniver...
Forum: Dijital Tarım Teknolojileri
Son Yorum: Mr.Muhendis
08-03-2026, 07:42 AM
» Yorum 0
» Okunma 7.764
Kırıkkale Üniversitesi De...
Forum: Dijital Tarım Teknolojileri
Son Yorum: Mr.Muhendis
08-03-2026, 07:41 AM
» Yorum 0
» Okunma 7.080
Pamukkale Üniversitesi Ça...
Forum: Dijital Tarım Teknolojileri
Son Yorum: Mr.Muhendis
08-03-2026, 07:40 AM
» Yorum 0
» Okunma 6.307
Burdur Mehmet Akif Ersoy ...
Forum: Dijital Tarım Teknolojileri
Son Yorum: Mr.Muhendis
08-03-2026, 07:39 AM
» Yorum 0
» Okunma 10.307

 
  Akıllı Tarım Teknolojileri ve Otomasyon
Yazar: Mr.Muhendis - 07-30-2026, 10:06 AM - Forum: Akıllı Sera Teknolojileri - Yorum Yok

Akıllı Tarım Teknolojileri ve Otomasyon Dersi

Akıllı Tarım Teknolojileri ve Otomasyon dersi, Akıllı Sera Teknolojileri Programı öğrencilerine, bir seranın iklimlendirme, sulama, gübreleme, aydınlatma ve gölgeleme gibi tüm kritik üretim süreçlerinin sensörler, aktüatörler, kontrolörler ve yazılımlar aracılığıyla insan müdahalesine minimum ihtiyaç duyacak şekilde nasıl yönetileceğini öğretmeyi amaçlayan, programın teknoloji ve mühendislik omurgasını oluşturan ileri düzey bir derstir. Bu ders, öğrenciye bir serayı oluşturan mekanik ve elektronik tüm bileşenlerin birbiriyle konuşan, veri alışverişi yapan ve ortak bir akıl etrafında hareket eden entegre bir sistem olduğunu kavratmayı hedefler. Dersin temel felsefesi, otomasyonun yalnızca işçilikten tasarruf etmek için değil, aynı zamanda bitkisel üretimde insan hatasını sıfırlamak, kaynak kullanımını optimize etmek ve ürün kalitesinde tekrarlanabilir mükemmelliği yakalamak için vazgeçilmez bir yönetim aracı olduğunu öğrenciye benimsetmektir.

Dersin içeriği, otomasyon ve kontrol mühendisliğinin temel kavramlarıyla başlar. İlk bölümde, bir otomasyon sisteminin temel yapı taşları olan algılama (sensörler), karar verme (kontrolörler) ve eyleme geçme (aktüatörler) üçlüsü sera özelinde detaylandırılır. Açık döngü ve kapalı döngü kontrol sistemlerinin çalışma prensipleri, bir seradaki ısıtma sisteminin termostat ile kontrolü (basit açık-kapalı kontrol) ile oransal vana ve hava sıcaklık sensörü kullanılarak yapılan hassas sıcaklık kontrolü örnekleri üzerinden karşılaştırılır. PID (Oransal-İntegral-Türev) kontrol algoritmasının mantığı, matematiksel temelleri ve parametrelerinin (Kp, Ki, Kd) bir sera sisteminde nasıl ayarlanacağı (tuning) uygulamalı olarak anlatılır. Örneğin, bir ısıtma vanasının PID ile kontrolünde, sensörden gelen anlık sıcaklık değeri ile hedef sıcaklık arasındaki fark (hata sinyali) sürekli hesaplanır ve vana açıklığı bu hatanın büyüklüğüne, süresine ve değişim hızına göre kademesiz olarak ayarlanarak hassas ve salınımsız bir sıcaklık kontrolü sağlanır. Ayrıca, bulanık mantık ve yapay sinir ağları gibi ileri kontrol stratejilerinin sera otomasyonundaki güncel uygulamalarına da kavramsal düzeyde değinilir.

İkinci bölümde, sera otomasyonunda kullanılan donanım bileşenleri sistematik olarak incelenir. Endüstriyel kontrolörler arasında, basit ve düşük maliyetli uygulamalar için Arduino ve ESP32 gibi mikrodenetleyici platformları; daha karmaşık ve yüksek güvenilirlik gerektiren ticari sera uygulamaları için ise PLC'ler (Programlanabilir Mantıksal Denetleyiciler) ve özel sera kontrol üniteleri (Priva, Ridder, Hortimax, Sercomatik gibi) tanıtılır. Bir PLC'nin temel bileşenleri (CPU, giriş-çıkış modülleri, analog ve dijital I/O'lar, haberleşme portları), ladder diyagramı ile programlama mantığı ve dokunmatik operatör paneli (HMI) ile entegrasyonu örneklerle açıklanır. Sera içinde kullanılan aktüatörler detaylandırılır: havalandırma pencerelerini açıp kapatan redüktörlü motorlar ve kremayer dişli sistemleri, ısıtma devrelerindeki oransal motorlu vanalar, fan ve ped sistemlerindeki frekans konvertörlü asenkron motorlar, sisleme sistemlerindeki yüksek basınç pompaları ve solenoid vanalar, gölgeleme ve ısı perdesi motorları, LED aydınlatma sürücüleri ve fertigasyon ünitesindeki dozaj pompaları ile venturi enjeksiyon sistemleri. Tüm bu aktüatörlerin kontrol sinyali tipleri (on-off, PWM, 0-10V analog, 4-20mA akım döngüsü, Modbus RTU/TCP haberleşme) ve sürücü devreleri uygulamalı olarak gösterilir.

Üçüncü bölüm, sera otomasyonunun yazılım ve ağ katmanına odaklanır. Bir sera otomasyon senaryosunun ladder diyagramı veya fonksiyon blok diyagramı ile nasıl programlanacağı öğretilir. Örnek bir senaryo olarak, sera içi sıcaklık sensöründen gelen veriye göre, önce çatı havalandırmalarının kademeli olarak açılması, yetersiz kalırsa fan-ped sisteminin devreye girmesi, sıcaklık düştüğünde ise önce havalandırmaların kapanması ve ardından ısıtma vanalarının açılması gibi ardışık ve koşullu kontrol adımları programlanır. HMI ekranında, sera içi sıcaklık, nem, CO2, ışık, rüzgar hızı ve yağmur durumu gibi anlık verilerin sayısal ve grafiksel olarak gösterimi, alarm yönetimi (yüksek sıcaklık alarmı, donma riski alarmı, sulama arızası alarmı gibi) ve manuel müdahale butonlarının tasarımı işlenir. Nesnelerin interneti (IoT) protokolleri ve bulut entegrasyonu dersin en güncel katmanını oluşturur. Seradaki PLC veya kontrol ünitesinin MQTT veya HTTP protokolü ile bir bulut platformuna (AWS IoT, Azure IoT, ThingsBoard gibi) veri göndermesi, bu verilerin bulutta depolanması, mobil uygulama üzerinden seranın 7/24 uzaktan izlenmesi ve kontrol edilmesi, yapay zekâ destekli karar destek sistemlerinin bulut tarafında çalışarak seraya optimizasyon önerileri göndermesi gibi konular uygulamalı projelerle pekiştirilir.

Dersin uygulama boyutunda, öğrenciler laboratuvarda bulunan bir sera otomasyon eğitim seti üzerinde çalışır. Bu set, gerçek bir serada bulunan mini boyutlandırılmış bir havalandırma motoru, fan, ısıtıcı lamba, sisleme memesi, sıcaklık ve nem sensörü, ışık sensörü ve bir PLC veya mikrodenetleyici kontrol ünitesinden oluşur. Öğrenci, bilgisayar üzerinden PLC'ye bağlanarak ladder diyagramı programını yazar, HMI ekranını tasarlar ve sistemin verilen bir senaryoya göre çalışmasını test eder. Daha ileri bir proje olarak, bu eğitim setini Wi-Fi modülü ile bir bulut platformuna bağlayarak uzaktan izleme ve kontrol uygulaması geliştirir. Bu dersi başarıyla tamamlayan bir öğrenci, modern bir serada otomasyon ve kontrol sistemlerinin kurulum, programlama, devreye alma, bakım ve arıza tespit süreçlerinde aktif rol alabilecek, seradaki tüm elektronik ve mekanik sistemlerin entegre çalışmasını sağlayabilecek ve işletmenin dijital dönüşüm sürecine teknik destek verebilecek yetkinliğe sahip, sektörde aranan bir tekniker olarak yetişir.

Bu konuyu yazdır

  Serada Üretim Teknikleri
Yazar: Mr.Muhendis - 07-30-2026, 10:04 AM - Forum: Akıllı Sera Teknolojileri - Yorum Yok

Serada Üretim Teknikleri Dersi

Serada Üretim Teknikleri dersi, Akıllı Sera Teknolojileri Programı öğrencilerine, kontrollü çevre koşullarında sebze, meyve ve süs bitkilerinin yetiştiriciliğine dair tüm agronomik süreçleri, bitki fizyolojisi ve ekolojisi temelinde, modern teknolojilerle entegre bir bakış açısıyla öğretmeyi amaçlayan, programın ziraat bilgisi omurgasını oluşturan uygulamalı bir derstir. Bu ders, akıllı sera altyapısı ve otomasyon sistemleri hakkında bilgi sahibi olan öğrenciye, bu teknolojik altyapının içinde yaşayan, büyüyen ve ürün veren biyolojik materyali yani bitkiyi tanıtmayı, onun ihtiyaçlarını anlamayı ve bu ihtiyaçları en üst düzeyde karşılayacak yetiştirme stratejilerini kurgulamayı öğretir. Dersin temel felsefesi, sera içindeki tüm sensörlerin, otomasyon sistemlerinin ve karar destek algoritmalarının nihai amacının, bitkinin genetik verim potansiyelini tam olarak gerçekleştirmesine hizmet etmek olduğu gerçeğini öğrenciye kavratmaktır.

Dersin içeriği, serada yetiştiriciliğin biyolojik ve ekolojik temelleriyle başlar. İlk bölümde, serada yaygın olarak yetiştirilen bitki türleri (domates, biber, patlıcan, hıyar, kavun, karpuz, çilek, marul, ıspanak, roka, fesleğen, kesme çiçekler ve iç mekan süs bitkileri) tanıtılır ve bu türlerin ekolojik istekleri (sıcaklık, nem, ışık şiddeti ve fotoperiyot, CO2 konsantrasyonu, toprak veya substrat pH'ı ve EC değeri) detaylandırılır. Bitkilerin büyüme ve gelişme dönemleri (fide, vejetatif gelişme, çiçeklenme, meyve tutumu, meyve olgunlaşması ve hasat) ile her döneme özgü çevresel optimumlar ayrıntılı olarak işlenir. Öğrenci, serada fotosentez, terleme (transpirasyon) ve solunum arasındaki hassas dengeyi, bu fizyolojik süreçleri etkileyen ışık, sıcaklık, nem ve CO2 parametrelerini ve bu parametreler arasındaki etkileşimleri öğrenir. Özellikle buhar basıncı açığı (VPD) kavramı, bitkinin terleme hızını ve besin elementi alımını doğrudan kontrol eden birleşik bir gösterge olarak vurgulanır ve öğrenciye bir iklim bilgisayarı ekranından VPD'yi okuyup yorumlama becerisi kazandırılır.

İkinci bölümde, serada kullanılan yetiştirme sistemleri ve ortamları karşılaştırmalı olarak ele alınır. Topraklı yetiştiricilik, serada geleneksel yöntem olarak işlenmekle birlikte, toprak yorgunluğu, tuzluluk, toprak kökenli hastalıklar ve su-gübre yönetiminin zorluğu gibi dezavantajlarıyla birlikte değerlendirilir. Modern seracılığın omurgasını oluşturan topraksız tarım teknikleri ise dersin ana gövdesini oluşturur. Substrat kültüründe kullanılan yetiştirme ortamları (kaya yünü, kokopit, perlit, vermikülit, torf ve bunların karışımları) fiziksel (su tutma kapasitesi, havalanma kapasitesi, hacim ağırlığı) ve kimyasal (KDK, pH, EC, doğal besin elementi içeriği) özellikleri açısından karşılaştırılır. Su kültürü sistemleri ise akan su kültürü (NFT), derin su kültürü (DWC) ve aeroponik sistemler olarak sınıflandırılarak, her birinin çalışma prensibi, avantajları, dezavantajları ve hangi bitki türleri için uygun olduğu örneklerle açıklanır. Dikey tarım uygulamaları ve çok katlı üretim sistemleri de güncel bir konu olarak bu bölümde işlenir.

Üçüncü bölüm, serada kültürel işlemler ve bitki yönetimi stratejilerine ayrılmıştır. Tohumdan başlayarak, fide üretim teknikleri (viyol ve saksı harçları, çimlendirme odaları, aşılama yöntemleri), dikim sistemleri (sıra arası ve sıra üzeri mesafeler, bitki yoğunluğu hesaplamaları), budama ve terbiye sistemleri (tek gövde, çift gövde, V şekli, şemsiye terbiye, kordon ve goble sistemleri), koltuk alma, yaprak budaması, salkım seyreltme ve meyve budaması gibi işlemlerin bitki fizyolojisi üzerindeki etkileri detaylandırılır. Özellikle domates, biber ve hıyar gibi yoğun yetiştiriciliği yapılan türlerde, bitki başına bırakılacak meyve sayısının, yaprak sayısının ve salkım aralığının verim ve kalite üzerindeki doğrudan etkisi vaka analizleriyle öğretilir. Tozlanma ve meyve tutumu konusu, serada doğal tozlayıcıların (bombus arıları) kullanımı, titreşimli tozlama aletleri ve hormon uygulamaları gibi farklı yöntemler üzerinden işlenir.

Dersin en stratejik bölümünü, tüm bu agronomik bilgilerin akıllı sera teknolojileriyle entegrasyonu oluşturur. Öğrenci, bir iklim bilgisayarının ekranında gördüğü sıcaklık, nem, ışık ve CO2 grafiklerini, bitkinin içinde bulunduğu gelişme dönemine göre nasıl yorumlayacağını ve hangi parametrelere müdahale edeceğini öğrenir. Örneğin, generatif (üretken) gelişmeyi teşvik etmek için gece sıcaklığının düşürülmesi ve gündüz-gece sıcaklık farkının (DIF) ayarlanması; yüksek ışık yoğunluğunda CO2 zenginleştirmesi yaparak fotosentez hızının artırılması; VPD değerini optimum aralıkta tutmak için sisleme ve havalandırma sistemlerinin nasıl dengeleneceği gibi stratejik kararlar uygulamalı olarak tartışılır. Besin çözeltisi yönetimi, kapalı sistem hidroponikte en kritik konudur; öğrenci, bitkinin farklı gelişme dönemleri için hazırlanmış besin reçetelerini okumayı, EC ve pH sensörlerinden gelen verilere göre stok çözeltilerden otomatik dozajlama yapan fertigasyon ünitesinin çalışma prensibini ve drenaj suyu analiz sonuçlarına göre reçetede nasıl düzeltme yapılacağını öğrenir.

Dersin uygulama boyutunda öğrenciler, okul bünyesindeki uygulama serasında veya anlaşmalı bir modern sera işletmesinde, bir üretim dönemi boyunca belirli bir bitki türünün (örneğin salkım domates veya İngiliz hıyarı) tüm üretim sürecini takip eder. Dikimden hasada kadar olan süreçte, bitki gelişimini periyodik olarak ölçer (boy, boğum arası uzunluğu, gövde çapı, yaprak sayısı, salkım sayısı), iklim ve sulama verilerini kaydeder, ortaya çıkan sorunları teşhis eder ve çözüm önerileri geliştirir. Ayrıca, iklim bilgisayarı simülasyon yazılımları üzerinde sanal bir sera için farklı iklim ve besleme stratejilerinin verim ve enerji tüketimi üzerindeki etkilerini test eder. Bu dersi başarıyla tamamlayan bir öğrenci, modern bir serada üretim sorumlusu, yetiştirme uzmanı veya üretim planlama teknisyeni olarak görev alabilecek, seradaki tüm teknolojik altyapıyı bitkinin ihtiyaçları doğrultusunda yönetebilecek, verim ve kalite hedeflerini tutturmak için gerekli agronomik kararları alabilecek donanıma sahip, sektörün aradığı nitelikli bir tekniker olarak yetişir.

Bu konuyu yazdır

  Akıllı Sera Tasarımı ve Yapımı
Yazar: Mr.Muhendis - 07-30-2026, 10:04 AM - Forum: Akıllı Sera Teknolojileri - Yorum Yok

Akıllı Sera Tasarımı ve Yapımı Dersi

Akıllı Sera Tasarımı ve Yapımı dersi, Akıllı Sera Teknolojileri Programı öğrencilerine, kontrollü çevre tarımının fiziksel altyapısını oluşturan modern seraların, bitkinin optimum gelişim koşullarını sağlayacak, enerji ve su verimliliğini en üst düzeye çıkaracak, otomasyon ve dijital teknolojilerle tam entegre çalışacak şekilde nasıl tasarlanacağını, projelendirileceğini ve inşa edileceğini öğretmeyi amaçlayan, mühendislik, mimari ve ziraat bilimlerini bir araya getiren kapsamlı ve uygulamalı bir derstir. Bu ders, bir serayı yalnızca bitkileri dış etkenlerden koruyan pasif bir örtü olarak değil, iklimi, sulamayı, enerjiyi ve veriyi aktif olarak yöneten, kendi kendini düzenleyen akıllı bir üretim fabrikası olarak kavratmayı hedefler. Dersin temel felsefesi, seranın yer seçiminden başlayarak, yapı elemanlarının mühendislik hesaplarına, örtü malzemesi seçiminden iklimlendirme ve otomasyon altyapısının entegrasyonuna kadar her aşamanın bilinçli, hesaplı ve geleceğe dönük bir planlama gerektirdiğini öğrenciye benimsetmektir.

Dersin içeriği, sera planlamasının stratejik kararlarıyla başlar. İlk aşamada, sera kurulacak arazinin seçiminde dikkate alınması gereken faktörler detaylı olarak incelenir. İklim verileri (bölgenin uzun yıllık sıcaklık ortalamaları, ekstrem minimum ve maksimum sıcaklıklar, güneşlenme süresi ve radyasyon şiddeti, hakim rüzgar yönü ve hızı, kar ve yağmur yükü, don riski), topoğrafik özellikler (arazinin eğimi, bakısı, drenaj durumu), su kaynağının kalitesi ve debisi, elektrik ve ulaşım altyapısına yakınlık, işgücü temini ve pazara erişim gibi kriterler ekonomik ve teknik fizibilite çerçevesinde değerlendirilir. Öğrenci, bu kriterleri kullanarak örnek bir arazi için uygunluk analizi yapmayı ve sera yerleşim planını (sera bloklarının konumu, yönlenmesi, servis binaları, yollar, su depoları, enerji üniteleri) oluşturmayı öğrenir. Sera yönlenmesinin, özellikle kış aylarında güneş ışınımından maksimum faydalanacak şekilde hesaplanması (genellikle kuzey-güney doğrultusu), bu aşamanın en kritik kararlarından biridir.

İkinci aşamada, sera tipleri ve yapısal tasarım prensipleri kapsamlı olarak işlenir. Farklı sera tipleri (gotik çatılı, yay çatılı, düz çatılı, venlo tipi, geniş açıklıklı blok seralar) yapısal avantajları, ışık geçirgenliği, havalandırma etkinliği ve kar yükü dayanımı açısından karşılaştırılır. Sera iskeletini oluşturan taşıyıcı sistem elemanları (kolonlar, makaslar, aşıklar, oluklar, temel bağlantıları) için kullanılan malzemeler (galvanizli çelik, alüminyum, ahşap) korozyon direnci, mukavemet, ömür ve maliyet açısından değerlendirilir. Öğrenci, basit bir sera çerçevesi için TS EN 13031 Avrupa standardı ve ilgili Türk standartları çerçevesinde rüzgar yükü, kar yükü, bitki askı yükü ve ekipman yükü hesaplamalarını yapmayı öğrenir. Örtü malzemeleri konusu, dersin en kritik teknik başlıklarından biridir. Cam (tek kat, çift kat, düşük emisyonlu, temperli), plastik örtüler (polietilen PE, etilen vinil asetat EVA, polikarbonat PC levhalar, akrilik PMMA) ve modern difüze ışık geçiren akıllı cam teknolojileri; ışık geçirgenliği (PAR transmittance), ısı yalıtım katsayısı (U değeri), difüzyon oranı, yoğuşma suyu davranışı (anti-drip özellik), UV dayanımı ve kullanım ömrü parametreleri üzerinden karşılaştırılır. Özellikle serada fotosentez için gerekli olan fotosentetik aktif radyasyonu (PAR) maksimum geçirirken, ısı kaybına neden olan uzun dalga kızılötesi radyasyonu (FIR) içeride tutan örtü malzemeleri ve anti-reflektif kaplamalar gibi ileri teknolojiler detaylandırılır.

Üçüncü aşamada, sera içi iklimlendirme sistemlerinin tasarımı ve akıllı kontrol altyapısıyla entegrasyonu ele alınır. Doğal havalandırma sistemlerinin tasarımında kritik olan çatı havalandırma açıklığının sera taban alanına oranı (sera tipine ve bölgeye göre yüzde on beş ile yüzde kırk arasında değişen oranlar), rüzgar yönü, baca etkisi ve hava debisi hesapları yapılır. Cebri havalandırma için fan kapasitesi seçimi (saatlik hava değişim sayısı), fan yerleşimi ve hava sirkülasyon fanlarının konumlandırılması öğretilir. Isıtma sistemleri tasarımında, seranın ısı kaybı hesabı (duvar, çatı, hava sızıntıları kaynaklı transmisyon ısı kayıpları) yapılarak gerekli kazan kapasitesi belirlenir; sıcak sulu borulu ısıtma, yerden ısıtma, sıcak hava üflemeli ısıtıcılar, kızılötesi radyant ısıtıcılar ve jeotermal ısı pompaları gibi alternatifler karşılaştırılır. Soğutma sistemleri kapsamında, fan-ped (serinletme pedleri) evaporatif soğutma sistemi, yüksek basınçlı sisleme (fog) sistemi ve gölgeleme perdesi sistemlerinin tasarım parametreleri ve enerji tüketimleri analiz edilir. Tüm bu sistemlerin, sensörler (sıcaklık, nem, rüzgar, yağmur, ışık, CO2) ve bir merkezi otomasyon paneli (PLC veya özel sera kontrol ünitesi) ile nasıl entegre edilerek kapalı döngü bir kontrol sistemi oluşturacağı, dersin akıllı sera vurgusunun en belirgin olduğu bölümdür.

Dersin uygulama boyutunda öğrenciler, bilgisayar destekli tasarım yazılımları (AutoCAD, SketchUp veya SolidWorks) kullanarak belirli bir iklim bölgesi ve bitki türü için küçük ölçekli bir akıllı sera projesi hazırlar. Bu projede, seranın taşıyıcı sistemi ve örtü malzemesi detaylandırılır, ısı kaybı ve havalandırma hesapları yapılır, ısıtma-soğutma sistemi seçilir, sulama ve fertigasyon altyapısı şematik olarak gösterilir ve tüm sensörler ile otomasyon bileşenlerinin yerleşim planı çizilir. Mümkünse, sera kurulumu yapan firmalara teknik geziler düzenlenerek öğrencilerin yapım aşamalarını yerinde gözlemlemeleri sağlanır. Bu dersi başarıyla tamamlayan bir öğrenci, bir sera işletmesinin yatırım planlamasından anahtar teslim kurulumuna, mevcut bir seranın modernizasyonundan enerji verimliliği denetimine kadar geniş bir yelpazede görev alabilecek, seranın yapısal ve teknik detaylarına hakim, sektörde aranan nitelikli bir tekniker olarak yetişir.

Bu konuyu yazdır

  Akıllı Sulama Sistemleri ve Uygulamaları
Yazar: Mr.Muhendis - 07-30-2026, 10:02 AM - Forum: Akıllı Sera Teknolojileri - Yorum Yok

Akıllı Sulama Sistemleri ve Uygulamaları Dersi

Akıllı Sulama Sistemleri ve Uygulamaları dersi, Akıllı Sera Teknolojileri Programı öğrencilerine, kontrollü çevre tarımının en kritik girdisi olan suyun, sensörler, otomasyon ekipmanları, karar destek algoritmaları ve uzaktan yönetim platformları aracılığıyla milimetrik bir hassasiyetle bitkiye nasıl ulaştırılacağını öğretmeyi amaçlayan, yoğun uygulama içeren ve programın omurga derslerinden biri olan teknik bir derstir. Bu ders, geleneksel takvime veya üretici deneyimine dayalı sulama anlayışını tamamen terk ederek, bitkinin anlık su ihtiyacını toprak, bitki ve atmosferden gelen gerçek zamanlı verilere dayanarak belirleyen ve sulama sistemini bu verilere göre otomatik olarak yöneten sistemlerin tasarımı, kurulumu, programlanması ve işletilmesi üzerine odaklanır. Dersin temel felsefesi, serada kullanılan her damla suyun hesabının verilebildiği, su ve enerji tasarrufunun maksimize edildiği, bitkisel verim ve kalitenin ise en üst düzeye çıkarıldığı bir sulama yönetim stratejisini öğrenciye benimsetmektir.

Dersin içeriği, sulamanın temel fiziksel ve fizyolojik prensipleriyle başlayarak katmanlı bir yapıda ilerler. İlk katmanda, toprak-su-bitki-atmosfer ilişkileri detaylandırılır. Öğrenci, toprağın su tutma kapasitesini belirleyen tarla kapasitesi, sürekli solma noktası ve yarayışlı su kavramlarını, toprak su potansiyeli ve bileşenlerini (matrik, ozmotik, yerçekimi potansiyeli), bitki kök bölgesinde suyun hareketini ve bitkinin suyu kökleriyle alıp yapraklarından atmosfere vermesi süreci olan evapotranspirasyonu derinlemesine öğrenir. Referans evapotranspirasyonun (ET0) hesaplanmasında kullanılan FAO Penman-Monteith eşitliği, bir serada bulunan hava durumu istasyonundan (sıcaklık, bağıl nem, güneş radyasyonu, rüzgar hızı sensörleri) gelen verilerle örnek bir hesaplama üzerinden uygulamalı olarak gösterilir. Bitki katsayısı (kc) kavramı ve farklı bitki türleri ile gelişme dönemlerine göre değişimi öğretilerek, gerçek bitki su tüketiminin (ETc) nasıl hesaplanacağı kavratılır. Bu teorik altyapı, sulamanın ne zaman ve ne kadar yapılması gerektiğine dair bilimsel temeli oluşturur.

İkinci katmanda, akıllı sulama kararının girdilerini sağlayan sensör teknolojileri kapsamlı olarak işlenir. Toprak nem sensörleri, bu katmanın en kritik bileşenidir. Tansiyometrelerin (toprak suyu gerilimini ölçen), FDR ve TDR prensibiyle çalışan dielektrik sensörlerin (toprağın dielektrik geçirgenliğini ölçerek hacimsel su içeriğini belirleyen) ve granüler matriks sensörlerinin (Watermark gibi) çalışma prensipleri, avantajları, dezavantajları ve sera koşullarında kalibrasyon yöntemleri karşılaştırmalı olarak anlatılır. Özellikle topraksız tarım sistemlerinde (hidroponik, kokopit, perlit, kaya yünü gibi substratlarda), nem sensörlerinin farklı davranışları ve drenaj suyunu izleyen sensörler (drenaj miktarı, pH, EC ölçümü) ayrı bir başlık altında incelenir. Bitki sensörleri arasında, yaprak sıcaklığını ölçen termal sensörler ve kızılötesi termometreler (bitki su stresi indeksi CWSI hesaplamaları), meyve ve gövde çapındaki mikrometrik değişimleri kaydeden dendrometreler ve bitki özsuyu akışını ölçen sap flow sensörleri tanıtılır. Ayrıca, sera içi iklim sensörleri (sıcaklık, nem, ışık, CO2) ve dış hava durumu istasyonu verilerinin sulama kararlarıyla nasıl entegre edildiği vurgulanır. Öğrenci, bu sensörlerin sera içinde nerelere, hangi derinliğe, kaç adet yerleştirilmesi gerektiğine dair temsilî örnekleme stratejilerini ve sensörlerin bakım ve arıza tespit yöntemlerini öğrenir.

Üçüncü katmanda, sensörlerden gelen verileri işleyen ve sulama eylemini yöneten kontrol ve otomasyon sistemleri detaylandırılır. Sera otomasyonunda yaygın olarak kullanılan kontrol üniteleri (PLC, endüstriyel mikrodenetleyiciler, IoT tabanlı kontrol kartları) tanıtılır. Kontrol stratejileri, basit eşik değer mantığından (toprak nemi yüzde yirmi beşin altına düşerse sulamayı başlat, yüzde otuz beşe ulaşınca durdur) başlayarak, zaman programlı sulama, ET bazlı sulama (hesaplanan su tüketimini tamamlama) ve en gelişmiş yöntem olan yapay zekâ destekli öngörücü sulama (meteorolojik tahminleri, bitki büyüme modellerini ve geçmiş verileri kullanarak gelecekteki su ihtiyacını tahmin eden) stratejilerine kadar kademeli olarak anlatılır. PID kontrol algoritmasının sulama vanalarının açılıp kapanmasında veya oransal vanaların kontrolünde nasıl kullanılabileceği örneklenir.

Dersin uygulama boyutunda, öğrenciler bireysel veya grup projesi olarak küçük ölçekli bir akıllı sulama sistemi prototipi kurar ve programlar. Bu projede, bir toprak nem sensörü ve bir sıcaklık-nem sensörü Arduino veya ESP32 gibi bir mikrodenetleyiciye bağlanır, mikrodenetleyiciye yüklenen program belirli bir eşik değer mantığıyla bir röleyi tetikleyerek küçük bir su pompasını veya solenoid vanayı kontrol eder. Daha ileri seviye projelerde, sensör verileri Wi-Fi üzerinden bir bulut IoT platformuna (ThingsBoard, Blynk gibi) gönderilir ve bu platform üzerinden hem manuel hem de otomatik sulama kontrolü yapılır, veriler grafiklerle görselleştirilir ve belirli koşullarda cep telefonuna uyarı mesajı gönderilmesi sağlanır. Öğrenci ayrıca, ticari bir sera otomasyon yazılımının (Priva, Ridder, Hortimax veya yerli alternatifler gibi) simülasyonu veya demo sürümü üzerinde, sanal bir seranın sulama stratejisini programlamayı deneyimler. Bu dersi başarıyla tamamlayan bir öğrenci, modern bir serada sulama ve fertigasyon sisteminin kurulumundan günlük işletimine, arıza teşhisinden verimlilik optimizasyonuna kadar tüm süreçleri yönetebilecek, su ve gübre tasarrufunu verilerle raporlayabilecek ve işletmenin sürdürülebilirlik hedeflerine katkıda bulunabilecek yetkinliğe sahip bir tekniker olarak sektörde aranan bir profesyonel haline gelir.

Bu konuyu yazdır

  Sensör Sistemleri ve Uygulamaları
Yazar: Mr.Muhendis - 07-30-2026, 09:58 AM - Forum: Akıllı Tarım ve Gıda Yönetimi - Yorum Yok

Sensör Sistemleri ve Uygulamaları Dersi

Sensör Sistemleri ve Uygulamaları dersi, Akıllı Tarım ve Gıda Yönetimi Bölümü öğrencilerine, tarımsal üretim ve gıda zincirinin her aşamasında fiziksel, kimyasal ve biyolojik büyüklükleri algılayarak sayısal verilere dönüştüren sensörlerin çalışma prensiplerini, türlerini, seçim kriterlerini, kurulum ve kalibrasyon yöntemlerini ve bu sensörlerden gelen verilerin otomasyon ve karar destek sistemlerine nasıl entegre edileceğini kapsamlı bir şekilde öğretmeyi amaçlayan, uygulama ağırlıklı bir derstir. Bu ders, akıllı tarım sistemlerinin duyu organlarını oluşturan donanımsal altyapıyı öğrenciye tanıtarak, bir tarlanın, seranın, ahırın veya gıda işleme tesisinin dijital bir ekosisteme nasıl dönüştüğünü adım adım kavratır. Dersin temel felsefesi, doğru sensör seçimi, doğru yere ve doğru şekilde kurulum, düzenli kalibrasyon ve veri kalitesinin sürekliliğini sağlama becerisinin, tüm akıllı tarım teknolojilerinin başarısının ön koşulu olduğunu öğrenciye benimsetmektir.

Dersin içeriği, sensör teknolojisinin temel kavramları ve prensipleriyle başlar. İlk bölümde, bir sensörün temel çalışma prensibi (fiziksel bir büyüklüğü algılayıp elektriksel bir sinyale dönüştürme), sensör karakteristikleri (hassasiyet, doğruluk, kesinlik, tekrarlanabilirlik, çözünürlük, ölçüm aralığı, tepki süresi, histerezis, kararlılık ve gürültü) ve kalibrasyon kavramı detaylı olarak işlenir. Öğrenci, bir sensörün teknik veri föyünü okuyup yorumlamayı ve uygulama amacına en uygun sensörü seçmek için bu karakteristikleri nasıl değerlendireceğini öğrenir. Analog ve dijital sinyal kavramları, analog-dijital dönüştürücülerin (ADC) çözünürlüğü ve örnekleme hızı, sensör çıkış sinyallerinin tipleri (voltaj, akım döngüsü, darbe, seri haberleşme protokolleri) ve yaygın endüstriyel haberleşme protokolleri (I2C, SPI, UART, RS-485 Modbus, CAN bus) tanıtılır.

İkinci bölümde, tarımsal üretimde kullanılan sensörler sistematik bir sınıflandırma içinde tek tek ele alınır. Bu sınıflandırma, ölçülen büyüklüğe göre yapılır ve her bir sensör grubu için çalışma prensibi, farklı teknolojilerin avantaj ve dezavantajları, kurulum ve bakım ipuçları ile tipik arıza senaryoları uygulamalı olarak gösterilir. Toprak sensörleri, en kapsamlı gruplardan biridir; toprak nem sensörleri (tansiyometreler, FDR ve TDR prensibiyle çalışan dielektrik sensörler, nötron probu), toprak sıcaklık sensörleri (termokupl, termistör, RTD), toprak elektriksel iletkenlik sensörleri (EC), toprak pH sensörleri (iyon seçici elektrotlar) ve bitkiye yarayışlı azot, fosfor, potasyum gibi makro besin elementlerini ölçmeye yönelik iyon seçici alan etkili transistörler ve optik sensörler detaylandırılır. Bitki sensörleri grubunda, bitki örtüsü indekslerini ölçen aktif optik sensörler (GreenSeeker, CropSpec, CropCircle), yaprak klorofil içeriğini tahribatsız ölçen SPADE metre ve klorofil florometreleri, yaprak sıcaklığını ölçen termal sensörler ve kızılötesi termometreler, bitki gövde ve meyve çapındaki mikrometrik değişimleri kaydeden dendrometreler ve bitki su potansiyelini ölçen basınç odacığı ve psikrometreler işlenir. Çevresel sensörler başlığı altında, hava sıcaklığı ve bağıl nem sensörleri (kapasitif, direnç tipi), ışık şiddeti sensörleri (piranometre, PAR sensörü, fotodiyot), karbondioksit sensörleri (NDIR - dağıtıcı olmayan kızılötesi), rüzgar hızı ve yönü sensörleri (anemometre ve rüzgar gülü), barometrik basınç sensörleri ve yağış sensörleri (plüviyometre) ele alınır.

Hayvancılık sensörleri ayrı bir modül olarak incelenir. Bu modülde, hayvan tanıma ve takip için RFID etiketler ve gerçek zamanlı lokasyon sistemleri (RTLS), hayvan aktivitesini ve hareketliliğini izleyen üç eksenli akselerometreler ve pedometreler, geviş getirme ve yem yeme davranışını kaydeden akustik boyun tasmaları, rumen içi pH, sıcaklık ve basınç sensörleri (akıllı boluslar), süt verimi ve kalitesini ölçen sağım sensörleri (süt akış ölçer, iletkenlik ve somatik hücre sayısı sensörleri), hayvan tartım platformları ve vücut kondisyon skoru kameraları ile ahır içi çevresel sensörler (amonyak, hidrojen sülfür, karbondioksit, hava hızı) öğretilir. Gıda zinciri sensörleri kapsamında ise, soğuk zincir izleme için sıcaklık ve nem veri kaydedicileri, gıda güvenliği için ELISA ve biyosensör tabanlı patojen ve alerjen tespit sistemleri, hiperspektral görüntüleme ile gıda kalite ve tağşiş analizi, ette pH ve renk ölçüm sensörleri gibi konulara değinilir.

Dersin en önemli uygulama boyutu, bu sensörlerin bir mikrodenetleyici platformu (Arduino, ESP32 veya Raspberry Pi) ile entegrasyonudur. Öğrenci, seçtiği birkaç sensörü bir mikrodenetleyiciye bağlayıp programlayarak, sensörlerden veri okumayı, bu verileri bir ekrana yazdırmayı, hafıza kartına kaydetmeyi ve Wi-Fi veya LoRa gibi kablosuz haberleşme modülleri aracılığıyla bulut tabanlı bir IoT platformuna (ThingsBoard, Ubidots, AWS IoT Core gibi) göndermeyi uygulamalı olarak öğrenir. Bulut platformunda, sensör verilerini gerçek zamanlı olarak görselleştiren gösterge panoları (dashboard) oluşturur, belirli eşik değerlerinde e-posta veya SMS uyarısı gönderecek alarmlar kurar ve verileri daha sonra analiz edilmek üzere veri tabanına kaydeder. Akıllı Tarım ve Gıda Yönetimi Bölümü bağlamında bu ders, öğrenciye sahada karşılaşacağı her türlü sensörün dilinden anlayan, sensör verisinin kalitesini sorgulayabilen, sensör arızalarını teşhis edebilen ve en önemlisi bu sensörlerden gelen veri akışını işletmenin bütüncül dijital yönetim sistemine entegre edebilen bir profesyonel yetkinliği kazandırır. Bu sayede mezun, ister bir dikey tarım tesisinde yüzlerce sensörün sorunsuz çalışmasını sağlayan bir otomasyon teknisyeni, ister bir hassas tarım firmasında sensör çözümleri satan ve kuran bir teknik danışman olsun, akıllı tarımın fiziksel dünya ile dijital dünya arasındaki en kritik köprüsünü kuracak donanıma sahip olur.

Bu konuyu yazdır

  Veri Tabanı Yönetim Sistemleri
Yazar: Mr.Muhendis - 07-30-2026, 09:57 AM - Forum: Akıllı Tarım ve Gıda Yönetimi - Yorum Yok

Veri Tabanı Yönetim Sistemleri Dersi

Veri Tabanı Yönetim Sistemleri dersi, Akıllı Tarım ve Gıda Yönetimi Bölümü öğrencilerine, modern tarım ve gıda işletmelerinin ürettiği devasa ve çeşitli yapıdaki veriyi (toprak sensörlerinden gelen anlık nem ölçümleri, drone görüntülerinden elde edilen NDVI haritaları, sağım robotlarından akan süt verimi ve kalite parametreleri, hava durumu istasyonlarının kaydettiği meteorolojik veriler, traktörlerin telemetri verileri, stok ve tedarik zinciri kayıtları gibi) sistematik, güvenli, tutarlı ve ölçeklenebilir bir şekilde depolama, yönetme, sorgulama ve analiz etme becerisi kazandırmayı amaçlayan, bilişim teknolojileri ile tarım bilimleri arasında köprü kuran temel ve uygulamalı bir derstir. Bu ders, akıllı tarım ve gıda yönetimi ekosisteminin bel kemiğini oluşturan veri altyapısının nasıl kurgulanacağını ve yönetileceğini öğreterek, öğrencinin veri odaklı karar alma süreçlerinin mimarı olmasını hedefler. Dersin temel felsefesi, sensörler ve cihazlar tarafından üretilen ham veri yığınını, anlamlı, ilişkilendirilebilir, sorgulanabilir ve raporlanabilir bir kurumsal bilgi kaynağına dönüştürmektir.

Dersin içeriği, veri tabanı kavramının temellerinden başlayarak katmanlı bir yapıda ilerler. İlk katmanda, geleneksel dosya tabanlı veri depolama yaklaşımlarının sınırlılıkları (veri tekrarı, tutarsızlık, erişim ve güvenlik sorunları) ile ilişkisel veri tabanı yönetim sistemlerinin (İVTYS) sunduğu avantajlar karşılaştırılır. Öğrenci, veri, bilgi, veri tabanı, veri tabanı yönetim sistemi, tablo, satır (kayıt), sütun (alan), birincil anahtar, yabancı anahtar, indeks, görünüm ve şema gibi temel kavramları tarımsal örnekler üzerinden somutlaştırarak öğrenir. Ardından, ilişkisel veri tabanı tasarımının omurgasını oluşturan varlık-bağıntı modeli ve diyagramları detaylı olarak işlenir. Öğrenci, bir çiftlik yönetim sistemini örnek alarak, "Tarla", "Parsel", "Sensör", "Sulama Olayı", "Hayvan", "Sağım Kaydı", "İlaçlama Uygulaması" ve "Hasat Partisi" gibi varlıkları tanımlamayı, bu varlıklar arasındaki bire-bir, bire-çok ve çoka-çok ilişkileri modellemeyi ve veri tekrarını önleyen normalizasyon kurallarını (birinci, ikinci ve üçüncü normal form) uygulamayı öğrenir. Bu sayede, gerçek dünyadaki karmaşık tarımsal süreçlerin mantıksal bir veri modeline nasıl dönüştürüleceğini kavrar.

İkinci katmanda, yapılandırılmış sorgulama dili olan SQL (Structured Query Language) kapsamlı bir şekilde öğretilir. Öğrenci, standart SQL komutlarını uygulamalı olarak kullanarak, bir çiftlik veri tabanı üzerinde çok çeşitli sorgulamalar yapmayı öğrenir. Veri Tanımlama Dili komutlarıyla (CREATE, ALTER, DROP) tabloları, indeksleri ve görünümleri oluşturma; Veri İşleme Dili komutlarıyla (INSERT, UPDATE, DELETE) veri girme, güncelleme ve silme; ve en önemlisi Veri Sorgulama Dili komutu olan SELECT ile temel ve ileri düzey sorgulamalar yapma becerisi kazanır. Bu sorgulamalar tarımsal iş zekâsı senaryolarına dayanır: "Hangi tarlada son bir haftadır toprak nemi kritik eşiğin altında?", "Geçen yılın aynı dönemine göre süt verimi en çok düşen 10 inek hangileridir?", "Aynı parselde son üç yılda uygulanan ortalama azot miktarı nedir?", "Hangi üreticiden gelen hammaddede kalite sapması en yüksektir?" gibi işletme yönetimi için kritik sorulara SQL ile nasıl yanıt üretileceği öğretilir. WHERE, GROUP BY, HAVING, ORDER BY, JOIN (iç birleştirme, sol dış birleştirme), alt sorgular ve kümeleme fonksiyonları (COUNT, SUM, AVG, MIN, MAX) gibi yapıların kullanımı tarımsal veri setleri üzerinde pekiştirilir.

Dersin üçüncü ve güncel katmanında, modern tarımın ürettiği büyük, hızlı ve çeşitli yapıdaki verinin (büyük veri) yönetimi için geliştirilen NoSQL veri tabanları ve bulut tabanlı çözümler incelenir. IoT sensörlerinden saniyede binlerce kayıt akan zaman serisi verilerinin depolanması için optimize edilmiş InfluxDB veya TimescaleDB gibi zaman serisi veri tabanları; drone görüntüleri, hava fotoğrafları ve coğrafi verilerin yönetimi için coğrafi bilgi sistemleri ile entegre çalışan mekânsal veri tabanları (PostgreSQL'in PostGIS eklentisi gibi); ve esnek şemasıyla farklı yapıdaki verileri depolayabilen belge tabanlı NoSQL veri tabanları (MongoDB gibi) kavramsal düzeyde tanıtılır. Ayrıca, Amazon Web Services (AWS), Microsoft Azure ve Google Cloud gibi platformlarda sunulan bulut tabanlı veri tabanı hizmetlerinin (DBaaS - Database as a Service), tarım işletmelerine sağladığı ölçeklenebilirlik, maliyet avantajı ve erişilebilirlik gibi faydalar tartışılır. Ders boyunca öğrenciler, MySQL veya PostgreSQL gibi açık kaynak kodlu bir ilişkisel veri tabanı sistemi üzerinde bireysel ve grup projeleri geliştirir; bir akıllı sera veya süt çiftliği için örnek bir veri tabanı tasarlar, bu veri tabanını SQL ile oluşturur, örnek verilerle doldurur ve anlamlı yönetim raporları üreten sorgular yazar. Bu dersi başarıyla tamamlayan bir öğrenci, tarım ve gıda sektöründe veri tabanı yöneticisi, veri analisti veya iş zekâsı uzmanı olarak çalışabilecek, bir işletmenin tüm dijital veri varlıklarını yapılandırılmış ve güvenli bir şekilde yönetebilecek, karar destek sistemlerine veri altyapısı sağlayabilecek kritik bir yetkinlik kazanır.

Bu konuyu yazdır

  Hayvan Davranışı ve Akıllı Tarım
Yazar: Mr.Muhendis - 07-30-2026, 09:56 AM - Forum: Akıllı Tarım ve Gıda Yönetimi - Yorum Yok

Hayvan Davranışı ve Akıllı Tarım Dersi

Hayvan Davranışı ve Akıllı Tarım dersi, Akıllı Tarım ve Gıda Yönetimi Bölümü öğrencilerine, çiftlik hayvanlarının doğal davranış kalıplarını, sosyal etkileşimlerini ve çevreye verdikleri fizyolojik tepkileri derinlemesine kavratarak, bu bilgiyi modern sensör teknolojileri, yapay zekâ ve otomasyon sistemleriyle birleştirip hayvan refahını, verimliliği ve işletme kârlılığını eş zamanlı olarak artıracak akıllı yönetim stratejileri geliştirme becerisi kazandırmayı amaçlayan disiplinler arası bir derstir. Bu ders, hayvanı üretim sisteminin merkezine koyan ve teknolojiyi onun biyolojik ihtiyaçlarını en üst düzeyde karşılayacak bir araç olarak konumlandıran bütüncül bir bakış açısı sunar. Dersin temel felsefesi, bir ineğin geviş getirme ritmindeki değişimin, bir tavuğun tüy gagalama davranışının veya bir koyunun sürüden uzaklaşma eğiliminin, aslında işletme yöneticisi için sayısal bir veriye dönüştürülebilecek en erken ve en güvenilir uyarı sinyalleri olduğunu öğrenciye kavratmaktır.

Dersin içeriği, hayvan davranışının biyolojik temelleri ve ekolojisiyle başlar. İlk bölümde, evcil çiftlik hayvanlarının (sığır, koyun, keçi, tavuk, at, domuz) evrimsel süreçte şekillenmiş doğal davranış repertuarları detaylı olarak incelenir. Beslenme davranışı (otlama, geviş getirme, yem seçimi), sosyal davranış (sürü hiyerarşisi, liderlik, rekabet, dominantlık ve itaat ilişkileri), üreme davranışı (kızgınlık belirtileri, kur yapma, çiftleşme, annelik içgüdüleri), dinlenme ve uyku davranışı, termoregülasyon davranışı (sıcakta gölge arama, soğukta bir araya toplanma), eliminasyon davranışı (dışkılama ve idrar yapma alışkanlıkları) ve anormal davranışlar (stereotipik davranışlar, tüy gagalama, kuyruk ısırma, aşırı yalama) gibi başlıklar ele alınır. Öğrenci, her bir davranışın altında yatan fizyolojik ve hormonal mekanizmaları (kortizol, adrenalin, oksitosin, melatonin gibi hormonların rolü) ve bu davranışların doğal yaşam alanındaki işlevlerini öğrenir. Özellikle modern yoğun üretim sistemlerinin, hayvanların bu doğal davranışlarını sergilemesini nasıl kısıtladığı ve bunun hayvan refahı ile verimlilik üzerindeki olumsuz etkileri bilimsel veriler ışığında tartışılır.

Dersin ikinci ve en kritik modülü, bu geleneksel davranış bilgisinin akıllı tarım teknolojileriyle nasıl entegre edildiğine odaklanır. Bu noktada, hassas hayvancılık teknolojilerinin temel prensibi devreye girer: hayvanın üzerine takılan veya çevresine yerleştirilen sensörler aracılığıyla davranışsal verilerin sürekli, otomatik ve objektif olarak toplanması. Öğrenci, bir süt ineğinin boynuna takılan akustik bir sensörün, çene hareketlerini ve çıkardığı sesleri analiz ederek yem yeme, geviş getirme ve su içme sürelerini nasıl hassas bir şekilde ölçtüğünü öğrenir. Bir bacağa takılan akselerometre (pedometre), hayvanın adım sayısını, yatma-kalkma sıklığını, yürüme ve koşma süresini kaydederek kızgınlık tespiti (artmış hareketlilik) ve topallık teşhisi (azalmış hareketlilik, asimetrik yürüyüş) için sayısal veri sağlar. Rumen içi bolus sensörleri, pH ve sıcaklık verilerini anlık olarak ileterek beslenme yönetimine rehberlik eder. Termal kameralar, hayvanın vücut yüzey sıcaklığındaki anormal artışları veya asimetrileri tespit ederek yangısal süreçleri (mastitis, ayak enfeksiyonları gibi) erken aşamada yakalar. Hayvanların konumunu üç boyutlu olarak izleyen gerçek zamanlı lokasyon sistemleri (RTLS) ise, sürü içindeki sosyal etkileşim ağlarını, hasta veya zayıf hayvanların sürüden uzaklaşma eğilimini ve yemlik-suluk ziyaret sıklığını ortaya çıkarır.

Dersin en ileri aşaması, bu sensörlerden gelen devasa ve heterojen veri akışının yapay zekâ ve makine öğrenmesi algoritmalarıyla işlenerek eyleme dönüştürülebilir bilgiye çevrilmesidir. Öğrenci, ham sensör verilerinden (örneğin bir akselerometrenin X, Y, Z eksenlerindeki ham ivme değerleri) nasıl anlamlı davranış sınıflandırmaları yapıldığını (otluyor, geviş getiriyor, yürüyor, yatıyor gibi) ve bu sınıflandırmaların zaman içindeki değişimlerinin nasıl yorumlanacağını öğrenir. Örneğin, bir ineğin günlük geviş getirme süresinin art arda iki gün boyunca normalin yüzde otuz altına düşmesi, klinik belirtiler ortaya çıkmadan önce metabolik bir sorunun veya erken dönem mastitisin habercisi olarak sistem tarafından otomatik uyarıya dönüştürülür. Benzer şekilde, bir grup broyler tavuğun yemlik ve suluk ziyaret sıklığındaki ani düşüş, bir sıcaklık sensörünün verisiyle birleştirilerek yaklaşan bir sıcaklık stresi için erken uyarı olarak yorumlanır ve soğutma pedleri ile fanların otomatik olarak devreye girmesini tetikler. Ders, öğrenciye hayvanı yalnızca biyolojik bir varlık olarak değil, aynı zamanda sürekli veri üreten bir biyosensör olarak görme yeteneği kazandırır. Bu yetkinlik sayesinde mezun, ister büyük ölçekli bir süt çiftliğinin sürü yönetim yazılımını yönetiyor olsun, ister bir kanatlı entegrasyonunda refah denetimleri yapıyor olsun, hayvanın davranış dilini sayısal verilere tercüme edebilen ve bu veriyi işletmenin stratejik karar süreçlerine entegre edebilen nitelikli bir profesyonel olarak sektörde fark yaratır.

Bu konuyu yazdır

  Dron Uygulama Teknikleri
Yazar: Mr.Muhendis - 07-30-2026, 09:55 AM - Forum: Akıllı Tarım ve Gıda Yönetimi - Yorum Yok

Dron Uygulama Teknikleri Dersi

Dron Uygulama Teknikleri dersi, Akıllı Tarım ve Gıda Yönetimi Bölümü öğrencilerine, insansız hava araçlarının (İHA) tarımsal üretimdeki çok yönlü kullanımını teorik temelleri ve yoğun saha uygulamalarıyla öğretmeyi amaçlayan, hızla gelişen drone teknolojisinin tarımla kesiştiği noktada kritik beceriler kazandıran, uygulamalı ve teknik bir derstir. Bu ders, öğrencinin bir drone'u güvenli ve yasal mevzuata uygun şekilde uçurmaktan, topladığı verileri işleyerek anlamlı tarımsal kararlara dönüştürmeye kadar uzanan tüm süreci bütüncül bir şekilde kavramasını hedefler. Dersin temel felsefesi, drone'u yalnızca bir uçan makine olarak değil, hassas tarımın vazgeçilmez bir veri toplama ve uygulama platformu olarak konumlandırmaktır.

Dersin ilk modülü, drone teknolojisinin temellerine ve uçuş prensiplerine ayrılmıştır. Bu kapsamda, tarımda kullanılan başlıca drone türleri (döner kanatlı multikopterler, sabit kanatlı İHA'lar ve hibrit modeller) gövde yapıları, aerodinamik özellikleri, uçuş süreleri ve taşıma kapasiteleri açısından karşılaştırılır. Bir drone'u oluşturan temel bileşenler (gövde, fırçasız motorlar, elektronik hız kontrolcüleri (ESC), pervaneler, uçuş kontrol kartı, GNSS alıcısı, jiroskop ve ivmeölçer içeren ataletsel ölçüm ünitesi (IMU), telemetri sistemi ve batarya teknolojileri) detaylı olarak incelenir. Uçuş modları (manuel, stabilizasyonlu, otonom görev), fırçasız motorların çalışma prensipleri, Li-Po ve Li-Ion bataryaların kullanımı, bakımı ve güvenliği, radyo kontrol sistemleri ve uçuş öncesi kontrol listeleri gibi konular, öğrencinin donanıma hâkim olmasını sağlar. Ayrıca, drone uçuşuyla ilgili ulusal ve uluslararası sivil havacılık mevzuatı (Türkiye'de Sivil Havacılık Genel Müdürlüğü'nün İHA talimatları, İHA kayıt ve tescil süreçleri, uçuş yasak bölgeler, irtifa sınırları ve zorunlu sigortalar) detaylıca işlenerek öğrencinin yasal sorumluluklarının bilincinde bir operatör olarak yetişmesi hedeflenir.

İkinci modül, drone'un tarımdaki en yaygın kullanım alanı olan algılama ve haritalama görevlerine odaklanır. Bu aşamada, drone'a monte edilen farklı kamera ve sensörlerin çalışma prensipleri öğretilir. Yüksek çözünürlüklü RGB kameralar, multispektral sensörler (kırmızı, yeşil, kırmızı-kenar, yakın kızılötesi bantlar) ve termal kameraların tarımsal teşhisteki rolleri karşılaştırılır. Öğrenci, bir uçuş görevi planlamanın tüm aşamalarını uygulamalı olarak öğrenir. Görev planlama yazılımı (Pix4Dcapture, DroneDeploy, UgCS gibi) üzerinde, tarlanın sınırları belirlenir, uygun uçuş yüksekliği ve hızı ayarlanır, görüntü bindirme oranları (ileri ve yan bindirme) girilir ve otonom bir uçuş rotası oluşturulur. Uçuş sonrasında elde edilen yüzlerce hava fotoğrafı, fotogrametri yazılımları (Pix4Dmapper, Agisoft Metashape gibi) kullanılarak işlenir; bu görüntülerden yüksek çözünürlüklü ortofoto mozaik, sayısal yüzey modeli ve üç boyutlu arazi modeli oluşturulur. Dersin en kritik çıktılarından biri, bu ortofotolardan bitki sağlığı ve gelişimini gösteren vejetasyon indeksi haritalarının (NDVI, NDRE, SAVI, GNDVI) üretilmesidir. Öğrenci, bir NDVI haritası üzerinde tarlanın hangi bölgelerinin sağlıklı, hangi bölgelerinin stres altında olduğunu yorumlamayı ve bu haritayı değişken oranlı gübreleme veya ilaçlama için reçete haritasına dönüştürmeyi öğrenir.

Üçüncü modül, drone ile hassas uygulama (ilaçlama, gübreleme, tohumlama) konusuna ayrılmıştır. Bu modülde, tarımsal ilaçlama drone'larının yapısal farklılıkları (pervane sayısı, depo kapasitesi, püskürtme sistemi, peristaltik pompalar ve döner diskli memeler) ve çalışma prensipleri detaylandırılır. Drone ile ilaçlamanın, geleneksel yer aletleriyle ilaçlamaya göre avantajları (toprağa basmama, ürüne zarar vermeme, değişken oranlı uygulama kabiliyeti, pervanelerin yarattığı aşağı yönlü hava akımı sayesinde ilacın yaprağın alt yüzeyine ulaşması) ve dezavantajları (rüzgar ve sıcaklık inversiyonu nedeniyle sürüklenme riski, daha düşük su hacmi ile çalışma zorunluluğu) bilimsel veriler ışığında tartışılır. Öğrenci, daha önce oluşturduğu bitki sağlığı haritasını kullanarak, bir ilaçlama drone'u için değişken oranlı püskürtme reçetesi hazırlar; bu sayede ilaç sadece sorunlu bölgelere, ihtiyaç duyulan dozda atılır. Ayrıca, çeltik tarlalarına gübre ve tohum serpme, meyve bahçelerinde don çöktürme, faydalı böcek salımı ve tozlaşmaya yardımcı olma gibi yenilikçi drone uygulamaları da dersin kapsamındadır.

Akıllı Tarım ve Gıda Yönetimi Bölümü bağlamında bu ders, drone'u izole bir teknoloji olarak değil, akıllı çiftlik ekosisteminin havadaki tamamlayıcı bileşeni olarak konumlandırır. Öğrenci, drone'dan elde edilen NDVI haritasının, bir traktörün değişken oranlı gübreleme sistemine nasıl aktarılacağını veya bir sulama otomasyon sisteminin karar destek modülüne nasıl entegre edileceğini öğrenir. Aynı zamanda, drone ile toplanan verilerin blok zinciri tabanlı bir izlenebilirlik platformuna yüklenerek, ürünün tarladan sofraya dijital hikâyesinin bir parçası haline nasıl getirileceği de tartışılır. Ders boyunca öğrenciler, simülasyon yazılımları üzerinde sanal uçuşlar yapar, gerçek drone'larla saha uygulamaları gerçekleştirir ve topladıkları verileri bilgisayar laboratuvarında işleyerek mini projeler hazırlar. Bu dersi başarıyla tamamlayan bir öğrenci, tarım sektöründe drone operatörü, haritalama ve veri analizi uzmanı veya hassas tarım danışmanı olarak görev alabilecek, drone teknolojisini bir işletmenin dijital dönüşüm stratejisine entegre edebilecek yetkinliğe ulaşır.

Bu konuyu yazdır

  Hayvansal Üretimde Robotik ve Otomasyon
Yazar: Mr.Muhendis - 07-30-2026, 09:53 AM - Forum: Akıllı Tarım ve Gıda Yönetimi - Yorum Yok

Hayvansal Üretimde Robotik ve Otomasyon Dersi

Hayvansal Üretimde Robotik ve Otomasyon dersi, Akıllı Tarım ve Gıda Yönetimi Bölümü öğrencilerine, süt sığırcılığı, besi sığırcılığı, koyunculuk, kanatlı hayvan yetiştiriciliği ve arıcılık gibi hayvansal üretim sektörlerinde kullanılan ileri teknoloji sensörler, otomatik kontrol sistemleri, robotik ekipmanlar ve karar destek yazılımlarının çalışma prensiplerini, entegrasyonunu ve yönetimini öğretmeyi amaçlayan, sektörün dijital dönüşümüne doğrudan katkı sağlayacak nitelikli profesyoneller yetiştiren uygulamalı bir derstir. Bu ders, öğrencinin bir hayvanın bireysel olarak izlenmesinden, sürü yönetiminin tamamen otonom sistemlerle yürütülmesine kadar uzanan geniş bir teknoloji yelpazesini anlamasını ve bu sistemlerin hayvan refahı, verimlilik, iş gücü optimizasyonu ve gıda izlenebilirliği üzerindeki devrim niteliğindeki etkilerini kavramasını hedefler. Dersin temel felsefesi, hayvanı üretim sisteminin merkezine koyan, onun biyolojik ve davranışsal ihtiyaçlarına saygı duyan ve bu ihtiyaçları teknoloji aracılığıyla en üst düzeyde karşılayan bir yönetim anlayışını benimsetmektir.

Dersin içeriği, hayvansal üretimde kullanılan sensör teknolojilerinin tanıtımıyla başlar ve katmanlı bir yapıda ilerler. İlk katmanda, hassas hayvancılığın (Precision Livestock Farming) temel prensipleri ve bireysel hayvan takibinin önemi vurgulanır. Hayvanların üzerine takılan veya onların bulunduğu ortama yerleştirilen sensörler aracılığıyla toplanan biyolojik, fizyolojik ve davranışsal verilerin türleri detaylandırılır. Bu sensörler arasında, hayvanın konumunu ve hareketliliğini üç boyutlu olarak izleyen GPS takip cihazları ve akselerometreler; rumen içi pH, sıcaklık ve basıncı ölçen akıllı boluslar; geviş getirme ve yem yeme aktivitesini kaydeden akustik boyun tasmaları; ayak ve bacak hareketlerini analiz ederek topallığı erken teşhis eden pedometreler; süt verimini, iletkenliğini ve somatik hücre sayısını anlık olarak ölçen sağım sensörleri; hayvanın vücut sıcaklığını sürekli takip eden termal kameralar ve deri altı mikroçipler ile ahır içi ortamı izleyen amonyak, karbondioksit, nem ve hava hızı sensörleri bulunur. Tüm bu sensörlerden gelen devasa veri akışı, bulut tabanlı sürü yönetim yazılımlarında işlenerek her bir hayvan için dijital bir profil oluşturur.

İkinci katmanda, bu verileri eyleme dönüştüren otomasyon ve robotik sistemler incelenir. Süt sığırcılığı, bu dersin en kapsamlı uygulama alanıdır. Gönüllü sağım sistemleri (Robotik Sağım Üniteleri), ineğin kendi isteğiyle istediği zaman sağıma gelmesi prensibine dayanır; robot, lazer ve kameralar yardımıyla meme başlarını tespit eder, temizler ve hassas bir şekilde sağımı gerçekleştirirken, her bir meme lobundan gelen sütün miktarını, rengini, iletkenliğini ve hatta progesteron seviyesini anlık olarak analiz ederek mastitis ve kızgınlık tespiti yapar. Otomatik yemleme sistemleri, her bir hayvanın bireysel süt verimine, laktasyon dönemine ve vücut kondisyon skoruna göre hazırlanmış özel rasyonu, mutfak robotları tarafından hazırlanıp ray üzerinde hareket eden yem dağıtım arabalarıyla hayvanların önüne getirir. Yem itme robotları ise, yem yolunda sürekli gezerek yemi hayvanların ulaşabileceği alana iter ve yem tüketimini teşvik eder. Ahır içi temizlik ve gübre yönetimi, programlanmış rotalarda hareket ederek zemini kazıyan veya vakumlayan otonom gübre sıyırıcı robotlar tarafından gerçekleştirilir. Kümes hayvanları yetiştiriciliğinde ise, zemin ve hava kalitesini izleyen, ölü hayvanları toplayan, yumurtaları otomatik toplayan ve hayvanları hareketlendirerek yemlik ve suluğa yönlendiren zemin robotları ile kuluçkahanelerde yumurta çevirme ve civciv ayırma otomasyonları dersin konuları arasındadır.

Dersin üçüncü ve en stratejik katmanı, tüm bu sistemlerin entegrasyonu ve yönetim bilişimidir. Öğrenci, farklı üreticilerin robotik ve otomasyon sistemlerinin, açık API'ler veya endüstriyel haberleşme protokolleri aracılığıyla merkezi bir çiftlik yönetim platformuna nasıl bağlandığını ve bu platformda nasıl bir veri ekosistemi oluşturduğunu öğrenir. Asıl kritik yetkinlik ise, bu platformların sunduğu karar destek raporlarını yorumlayabilmektir. Örneğin, bir ineğin geviş getirme süresindeki ani düşüş ile süt iletkenliğindeki artışı ilişkilendirerek klinik mastitisi daha belirtiler ortaya çıkmadan tespit eden algoritmanın uyarısını değerlendirmek; bir grup besi sığırının son üç gündür yem tüketiminde ve su içme sıklığında gözlenen düşüşü, yaklaşan bir sıcak hava dalgası uyarısıyla birleştirerek soğutma sistemlerini proaktif olarak devreye almak; veya sağım robotundan gelen progesteron verisine dayanarak kızgınlık tespiti yapılan bir ineğin, tohumlama için otomatik ayırma kapısına yönlendirilmesi sürecini yönetmek bu becerilere örnektir. Bu ders, öğrenciyi, teknolojiyi hayvanın biyolojisini ve refahını merkeze alarak kullanabilen, sürüyü bir bütün olarak değil, her biri birbirinden farklı ihtiyaçlara sahip bireylerin topluluğu olarak yönetebilen, veri odaklı ve proaktif bir hayvansal üretim yöneticisi olarak yetiştirir. Mezun, ister büyük ölçekli entegre bir süt çiftliğinde teknoloji yöneticisi olsun, ister bir kanatlı entegrasyonunda üretim planlama uzmanı olarak çalışsın, hayvansal üretimin dijital sinir sistemini okuyup yönetebilecek donanıma sahip olur.

Bu konuyu yazdır

  Tarımsal Üretimde Robotik ve Otomasyon
Yazar: Mr.Muhendis - 07-30-2026, 09:52 AM - Forum: Akıllı Tarım ve Gıda Yönetimi - Yorum Yok

Tarımsal Üretimde Robotik ve Otomasyon Dersi

Tarımsal Üretimde Robotik ve Otomasyon dersi, Akıllı Tarım ve Gıda Yönetimi Bölümü öğrencilerine, tarım sektöründe insan gücüne dayalı geleneksel iş süreçlerini, otonom veya yarı otonom makineler, sensörler, aktüatörler ve akıllı kontrol algoritmaları aracılığıyla nasıl dönüştürebileceklerini öğretmeyi amaçlayan, ileri teknoloji odaklı ve yoğun uygulama içeren bir derstir. Bu ders, öğrencinin, bir seradaki havalandırma fanının basit bir zaman rölesiyle kontrol edilmesinden, bir tarlada sürü zekâsıyla çalışan otonom çapa robotlarına kadar uzanan geniş bir otomasyon ve robotik yelpazesini kavramasını ve bu sistemleri tarımsal problemlere çözüm üretecek şekilde tasarlayıp yönetebilme yetkinliği kazanmasını hedefler. Dersin temel felsefesi, tarımsal üretimin karmaşık, değişken ve yapılandırılmamış doğasını anlayan ve bu zorlu ortama uygun mühendislik çözümleri geliştirebilen profesyoneller yetiştirmektir.

Dersin içeriği, otomasyonun temel prensiplerinden başlayarak katmanlı bir yapıda ilerler. İlk katmanda, bir otomasyon sisteminin temel bileşenleri olan sensörler (sıcaklık, nem, ışık, basınç, mesafe, konum sensörleri), aktüatörler (motorlar, röleler, solenoid vanalar, pnömatik ve hidrolik silindirler) ve kontrol üniteleri (mikrodenetleyiciler, PLC'ler, tek kart bilgisayarlar) tanıtılır. Açık döngü ve kapalı döngü kontrol sistemlerinin çalışma prensipleri, PID (Oransal-İntegral-Türev) kontrol algoritmasının mantığı ve parametrelerinin nasıl ayarlanacağı örneklerle anlatılır. İkinci katmanda, bu bileşenlerin tarımsal üretimdeki spesifik uygulamalarına odaklanılır. Sera otomasyonu bu bağlamda en kapsamlı örneklerden biridir; çatı ve yan havalandırma pencerelerinin, ısıtma sistemlerinin, fan ve ped soğutma ünitelerinin, ışık perdelerinin ve sisleme sistemlerinin iç ortam sıcaklığı, nem ve ışık sensörlerinden gelen verilere göre otomatik kontrolü detaylandırılır. Sulama ve fertigasyon otomasyonu, toprak nem sensörleri veya drenaj analizörleri ile entegre çalışan, sulama vanalarını ve gübre dozaj pompalarını yöneten sistemler üzerinden işlenir. Hayvancılık otomasyonu kapsamında ise, sağım robotları, otomatik yemleme sistemleri, hayvan tartım ve sıcaklık ölçüm platformları ile sürü yönetim yazılımlarına değinilir.

Dersin en güncel ve heyecan verici bölümünü ise tarımsal robotik konusu oluşturur. Burada bir robotun temel yetenekleri olan algılama, karar verme ve eyleme geçme döngüsü tarım senaryoları üzerinden incelenir. Algılama katmanında, makine görüşü (RGB, multispektral, hiperspektral ve termal kameralar), LiDAR (Işıkla Algılama ve Mesafe Ölçümü), ultrasonik sensörler ve ataletsel ölçüm üniteleri (IMU) gibi teknolojilerin, bitkiyi, meyveyi, yabancı otu veya engeli tanımak için nasıl kullanıldığı anlatılır. Karar verme katmanında, derin öğrenme tabanlı görüntü işleme algoritmalarının bir domatesin olgunluk derecesini nasıl sınıflandırdığı veya bir robotun tarlada nereye hareket edeceğine dair yol planlamasını (path planning) nasıl yaptığı işlenir. Eylem katmanında ise, bu kararların hassas robotik kollar (manipülatörler) ve özel tasarlanmış uç işlevciler (efektörler) aracılığıyla fiziksel dünyaya nasıl aktarıldığı gösterilir; örneğin, vakumlu veya yumuşak tutucularla meyveye zarar vermeden hasat yapma, lazer veya mikro püskürtme ile noktasal ilaçlama yapma veya mekanik bir çapa ile milimetrik yabancı ot temizliği gibi. Ders boyunca, tamamen otonom traktörler, sürü halinde çalışan küçük çapa robotları, meyve hasat robotları, sera içi lojistik robotları ve otonom drone'lar gibi güncel ticari örnekler ve araştırma prototipleri vaka analizi olarak incelenir.

Akıllı Tarım ve Gıda Yönetimi Bölümü için bu dersi benzersiz kılan nokta, tüm bu teknolojilerin işletme yönetimi ve gıda zinciri bütünlüğü içindeki stratejik konumuna yaptığı vurgudur. Öğrenci, bir hasat robotunun sadece işçilik maliyetini düşüren bir makine olmadığını, aynı zamanda hasat zamanını optimize ederek gıda israfını azaltan, her bir meyvenin hasat noktasını ve zamanını kaydederek tam izlenebilirlik sağlayan ve topladığı verilerle tedarik zincirine gerçek zamanlı rekolte bilgisi akışı sağlayan entegre bir sistem bileşeni olduğunu kavrar. Öğrenci, derste edindiği bilgilerle, akıllı bir çiftlikteki farklı otomasyon ve robotik sistemleri birbirleriyle ve merkezi çiftlik yönetim yazılımıyla haberleşen bir ekosistemin parçaları olarak görme yeteneği kazanır. Bu yetkinlik, mezunun sahada karşılaşacağı karmaşık problemlere bütüncül çözümler üretebilmesini, yeni teknolojileri işletmeye adapte edebilmesini ve tarımsal üretimde insan-makine iş birliğini en verimli şekilde yönetebilmesini sağlar.

Bu konuyu yazdır