DAY
Dr. Ahmet Yılmaz
CTO
Machine learning algoritmaları ile bitki su ihtiyacını tahmin etme ve %60'a varan su tasarrufu.
Su Krizi ve Tarım
Tarım, küresel tatlı su tüketiminin %70'ini oluşturur. İklim değişikliği ile su kaynakları azalırken, akıllı sulama kritik öneme sahip.
Geleneksel Sulama Sorunları
- Aşırı sulama: Su israfı ve kök çürümesi
- Yetersiz sulama: Verim kaybı
- Zamanlama hataları: Buharlaşma kayıpları
- Homojen uygulama: Farklı ihtiyaçlar göz ardı
AI Tabanlı Sulama Sistemi
Veri Kaynakları
- **Toprak sensörleri**: Nem, sıcaklık, EC
- **Hava durumu**: Sıcaklık, nem, rüzgar, yağış tahmini
- **Bitki sensörleri**: Yaprak sıcaklığı, NDVI
- **Uydu görüntüleri**: Bitki stresi tespiti
Machine Learning Modeli
Evapotranspirasyon (ET) tahmini için:
- Penman-Monteith denklemi
- LSTM neural network
- Random Forest ensemble
Karar Algoritması
Model çıktıları değerlendirilerek:
- Ne zaman sulanacak?
- Ne kadar su verilecek?
- Hangi bölgeler öncelikli?
Uygulama Sonuçları
Pilot Proje: Manisa Bağları
- Alan: 50 hektar
- Süre: 2 sezon
- Su tasarrufu: %58
- Verim artışı: %12
- Kalite iyileşmesi: Şeker oranı +2 brix
Ekonomik Analiz
- Yatırım geri dönüşü: 18 ay
- Yıllık tasarruf: 45.000 TL/hektar
- Enerji tasarrufu: %40
Awaxen Akıllı Sulama
Sistem Bileşenleri
- Toprak nem sensörleri (3 derinlik)
- Hava istasyonu
- Selenoid vanalar
- Awaxen Core Gateway
- Mobil uygulama
Özellikler
- Otomatik sulama programı
- Manuel müdahale imkanı
- Gerçek zamanlı izleme
- Geçmiş veri analizi
Sonuç
AI tabanlı akıllı sulama ile hem su tasarrufu hem verim artışı sağlanır. Sürdürülebilir tarımın temel taşı.
Yapay ZekaAkıllı SulamaSu TasarrufuMachine Learning
Paylaş


