Yapay Zeka ile Tarım Teknolojileri Eğitimi

Eğitim Hakkında

Bu eğitim, tarım işletmeleri, agroteknoloji firmaları, kooperatifler ve kamu kurumlarında yapay zeka ile hassas tarım çözümleri geliştirmek isteyen teknik ekipler için tasarlanmış uygulamalı bir programdır. Katılımcılar uydu ve drone görüntüleriyle ürün analizi, verim tahmini, hastalık tespiti ve sensör verisiyle sulama optimizasyonunu Python laboratuvarlarında uygular.

Neden Bu Eğitim?

Açık Veriyle Uygulama. Sentinel-2 ve Landsat gibi ücretsiz uydu verileriyle kendi bölgenizde hemen uygulanabilir analizler yapın.

Tarlaya Özgü Sorunlar. Hastalık, yabancı ot, kuraklık, su stresi ve verim kaybı gibi gerçek üretim sorunlarını modelleyin.

Kaynak Verimliliği. Su, gübre ve ilaç kullanımını değişken oranlı uygulamalar ve akıllı sulama ile ihtiyaca göre planlayın.

“Toprağı tanıyan çiftçinin deneyimi, uydudan ve sensörden gelen veriyle buluştuğunda her damla su ve her tohum daha değerli hale gelir.”

Ön Koşullar

Temel Python — pandas ile tablo verisi işleyebilmek ve hazır not defterlerini düzenleyip çalıştırabilmek.
Tarım Bilgisi — Ürün gelişim dönemleri, sulama ve bitki koruma gibi temel agronomi kavramlarına aşinalık.
Temel CBS Bilgisi — Koordinat, harita katmanı ve parsel kavramlarına dair temel coğrafi bilgi sistemleri bilgisi.
Çalışma Ortamı — Google Colab erişimi ile ücretsiz Google Earth Engine ve Copernicus Data Space hesapları.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiHassas tarımın yapay zeka ile dönüşümünü kavramak, tarımsal veri kaynaklarını tanımak ve uydu görüntülerini Python ile işleyerek parsel analizi yapmak.

Modül 1

Dijital ve Hassas Tarıma Giriş

Hassas tarım, akıllı tarım ve dijital tarım kavramları
Değişken oranlı uygulama ve yönetim bölgeleri yaklaşımı
İklim değişikliği, su kıtlığı ve verim baskısı
Tarımda yapay zeka değer zinciri: üretimden sofraya
Türkiye'de dijital tarım uygulamaları ve veri altyapısı
Vaka: Bir buğday işletmesinde gübre optimizasyonu

Modül 2

Tarımsal Veri Kaynakları

Toprak analizi, verim haritası ve parsel kayıt verileri
Meteoroloji istasyonu ve iklim yeniden analiz verileri
Toprak nemi, yaprak ıslaklığı ve mikroklima sensörleri
ISOBUS ile traktör ve makine telemetri verisi
LoRaWAN ile düşük güçlü kırsal sensör ağları
Atölye: İşletme için tarımsal veri envanteri çıkarma

Modül 3

Uydu ile Uzaktan Algılama Temelleri

Elektromanyetik spektrum ve bitkinin yansıma imzası
Sentinel-2 ve Landsat bantları, çözünürlük ve tekrar süresi
Bulut maskeleme ve atmosferik düzeltme seviyeleri
NDVI, NDRE ve NDWI bitki indekslerinin yorumu
Sentinel-1 radar verisinin bulutlu dönemlerde kullanımı
Demo: Copernicus Browser ile parsel indeks incelemesi

Modül 4

Python ile Coğrafi Veri İşleme

Vektör ve raster veri modelleri, koordinat sistemleri
GeoPandas ile parsel sınırlarının işlenmesi
rasterio ve xarray ile uydu görüntüsü okuma
Google Earth Engine Python API ile zaman serisi çekme
Parsel bazlı indeks istatistiklerinin çıkarılması
Laboratuvar: Parseller için NDVI zaman serisi üretimi

Günün hedefiUydu zaman serileriyle ürün deseni sınıflandırması yapmak, verim tahmin modeli kurmak ve kuraklık ile afet risklerini sigorta ve planlama için analiz etmek.

Modül 1

Bitki Gelişimi ve Fenoloji Analizi

Ekim, çıkış, çiçeklenme ve olgunlaşma dönemlerinin izlenmesi
NDVI eğrilerinin yumuşatılması ve boşluk doldurma
Fenolojik metriklerle ekim tarihi tahmini
Anormal gelişim ve stres dönemlerinin tespiti
Büyüme derece-gün hesabı ile gelişim modelleme
Laboratuvar: Mısır parsellerinde fenoloji çıkarımı

Modül 2

Ürün Deseni Sınıflandırma

Etiketli parsel verisi ve saha doğrulama noktaları
Çok zamanlı spektral öznitelik mühendisliği
Random Forest ve LightGBM ile ürün sınıflandırma
Mekânsal çapraz doğrulama ve komşu parsel sızıntısı
Doğruluk değerlendirmesi ve karışıklık analizi
Laboratuvar: Bölgesel ürün deseni haritası üretimi

Modül 3

Verim Tahmini Modelleri

Verimi etkileyen iklim, toprak ve yönetim faktörleri
Uydu indeksleri ve hava verisiyle regresyon modelleri
Sezon içi erken verim tahmini ve güncelleme
Derin öğrenme ile zaman serisi tabanlı verim tahmini
Tahmin belirsizliği ve parsel ölçeği sınırlamaları
Laboratuvar: Buğday için sezon içi verim tahmini

Modül 4

Kuraklık, Afet ve Risk Analitiği

Standartlaştırılmış yağış indeksi (SPI) ve kuraklık izleme
Dolu, sel ve don hasarının uydu ile tespiti
TARSİM gibi tarım sigortası süreçleri için hasar analizi
Laboratuvar: Sentinel-1 ile su baskını alanı haritası
Risk haritaları ile kamu ve finans kararlarına destek
Günün değerlendirmesi ve drone gününe köprü

Günün hedefiDrone görüntülerini işleyip derin öğrenmeyle hastalık, zararlı ve yabancı ot tespit etmek ve sensör verisiyle sulama kararlarını optimize etmek.

Modül 1

Drone ile Tarla Analizi

RGB, multispektral ve termal kamera seçenekleri
Uçuş planlama, bindirme oranı ve yer kontrol noktaları
OpenDroneMap ile ortomozaik ve yükseklik modeli
Bitki sayımı ve boşluk (eksik çıkış) analizi
Mevzuat: SHGM kuralları ve drone operasyon izinleri
Laboratuvar: Ortomozaikten bitki sağlığı haritası

Modül 2

Bitki Hastalığı ve Zararlı Tespiti

Yaprak görüntülerinde hastalık belirtilerinin sınıflandırılması
PlantVillage veri seti ve laboratuvar-saha farkı
Transfer öğrenme ile hastalık sınıflandırma modeli
Feromon tuzağı görüntülerinde zararlı sayımı
Mobil uygulamada modelin sahada kullanımı
Laboratuvar: Domates yaprak hastalığı tespit modeli

Modül 3

Yabancı Ot Tespiti ve Hassas Uygulama

Ürün ve yabancı ot ayrımı için segmentasyon
YOLO ile sıra arası yabancı ot algılama
Değişken oranlı ilaçlama ve reçete haritası üretimi
Meyve sayımı ve olgunluk tespiti ile rekolte tahmini
Görsel modellerde ışık, gölge ve büyüme evresi etkisi
Laboratuvar: Drone görüntüsünde yabancı ot haritası

Modül 4

Akıllı Sulama ve Su Yönetimi

FAO-56 Penman-Monteith ile bitki su tüketimi hesabı
Laboratuvar: Toprak nemi sensör verisiyle nem tahmini
Hava tahmini destekli sulama zamanlaması
Termal görüntü ve indekslerle su stresi tespiti
Kısıtlı su kaynağında sulama optimizasyonu
Günün değerlendirmesi ve platform gününe hazırlık

Günün hedefiSera ve hayvancılıkta yapay zeka uygulamalarını tanımak, tarım robotlarını ve veri platformlarını değerlendirmek ve uçtan uca akıllı tarım projesini sunmak.

Modül 1

Akıllı Sera ve Hayvancılık Analitiği

Serada iklim kontrolü ve tahmin tabanlı havalandırma
Topraksız üretimde besin çözeltisi izleme ve optimizasyon
Sağmal hayvanlarda aktivite sensörüyle kızgınlık tespiti
Kamera ile topallık, vücut kondisyonu ve davranış analizi
Kanatlı kümeslerinde ses ve iklim verisiyle erken uyarı
Vaka: Sera domatesinde verim ve enerji dengesi

Modül 2

Tarım Robotları ve Otonom Makineler

GNSS-RTK ile otonom yönlendirme ve sıra takibi
Mekanik çapalama ve lazerle yabancı ot mücadelesi robotları
Meyve toplama robotlarında görü ve kavrama zorlukları
Uç yapay zeka ile traktör üstü gerçek zamanlı karar
Robotik çözümlerde maliyet, ölçek ve bakım analizi
Demo: Uç cihazda sıra takibi için görüntü işleme

Modül 3

Tedarik Zinciri, Sürdürülebilirlik ve Veri

Ürün kalite sınıflandırma ve raf ömrü tahmini
İzlenebilirlik ve AB Ormansızlaşma Yönetmeliği (EUDR)
Karbon ve su ayak izi hesaplamasında veri kullanımı
Çiftçi verisinin sahipliği, KVKK ve paylaşım ilkeleri
Tarım veri platformu mimarisi ve açık standartlar
Atölye: Kooperatif için veri paylaşım modeli tasarımı

Modül 4

Akıllı Tarım Projesi ve Kapanış

Proje: Bölge için izleme, tahmin ve karar destek sistemi
Veri, model, doğrulama ve saha uygulama planı sunumu
Pilot uygulama maliyeti ve yatırım getirisi analizi
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve laboratuvar materyallerinin teslimi
Açık veri kaynakları, ileri öğrenme önerileri ve kapanış

Eğitim Kazanımları

Uydu Analitiği — Sentinel-2 ve Landsat görüntülerinden bitki indeksleri üretip parsel bazlı zaman serileri çıkarabileceksiniz.
Coğrafi Veri İşleme — GeoPandas, rasterio ve Google Earth Engine ile tarımsal coğrafi verileri işleyip analiz edebileceksiniz.
Ürün Sınıflandırma — Çok zamanlı uydu verisi ve mekânsal doğrulamayla güvenilir ürün deseni haritaları üretebileceksiniz.
Verim Tahmini — İklim, toprak ve uydu verilerini birleştirerek sezon içinde güncellenen verim tahmin modelleri kurabileceksiniz.
Hastalık Tespiti — Derin öğrenme ile yaprak hastalıklarını, zararlıları ve yabancı otları görüntülerden tespit edebileceksiniz.
Drone Analizi — Drone görüntülerinden ortomozaik, bitki sayımı ve değişken oranlı uygulama haritaları hazırlayabileceksiniz.
Akıllı Sulama — Evapotranspirasyon hesabı ve sensör verisiyle su kullanımını optimize eden sulama planları yapabileceksiniz.
Sürdürülebilir Tarım — İzlenebilirlik, karbon ayak izi ve veri yönetişimini gözeten ölçeklenebilir bir akıllı tarım projesi tasarlayacaksınız.

Kimler İçin Uygundur?

Agroteknoloji mühendisleri
zirai mühendisler
CBS ve uzaktan algılama uzmanları
tarım sigortacılığı analistleri ile tarım işletmeleri ve kooperatiflerin dijital ekipleri.

Sıkça Sorulan Sorular

Yapay Zeka ile Tarım Teknolojileri Eğitimi kimler için uygundur?

Program; agroteknoloji ve zirai mühendisler, CBS ve uzaktan algılama uzmanları, tarım sigortacılığı analistleri ile tarım işletmeleri, kooperatifler ve kamu kurumlarının dijital ekipleri için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi konuları kapsar?

Eğitim 4 tam gün ve 16 modülden oluşur. Uzaktan algılama temelleri, uydu verisiyle sınıflandırma ve verim tahmini, drone ile bitki sağlığı ve akıllı sulama, sera, hayvancılık ve tarım robotları işlenir.

Katılım için hangi ön bilgiler gerekiyor?

Temel Python ve pandas bilgisi, agronomi kavramlarına aşinalık ve temel CBS bilgisi yeterlidir. Laboratuvarlar için Google Colab ile ücretsiz Google Earth Engine ve Copernicus Data Space hesapları gerekir.

Eğitimde hangi veri setleri ve araçlar kullanılıyor?

Sentinel-1, Sentinel-2 ve Landsat uydu verileri, PlantVillage veri seti, drone görüntüleri ile GeoPandas, rasterio, xarray, Google Earth Engine, OpenDroneMap, scikit-learn, LightGBM, PyTorch ve YOLO kullanılır.

Eğitim kurumun bölgesine ve ürünlerine göre uyarlanabilir mi?

Evet. Eğitim öncesinde kurumun ürün desenleri ve bölgesi belirlenerek laboratuvarlar ilgili parseller ve ürünlerle hazırlanabilir. Programı tamamlayanlar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YAPAY ZEKA İLE TARIM TEKNOLOJİLERİ EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Dijital ve Hassas Tarıma Giriş

Tarımsal Veri Kaynakları

Uydu ile Uzaktan Algılama Temelleri

Python ile Coğrafi Veri İşleme

Bitki Gelişimi ve Fenoloji Analizi

Ürün Deseni Sınıflandırma

Verim Tahmini Modelleri

Kuraklık, Afet ve Risk Analitiği

Drone ile Tarla Analizi

Bitki Hastalığı ve Zararlı Tespiti

Yabancı Ot Tespiti ve Hassas Uygulama

Akıllı Sulama ve Su Yönetimi

Akıllı Sera ve Hayvancılık Analitiği

Tarım Robotları ve Otonom Makineler

Tedarik Zinciri, Sürdürülebilirlik ve Veri

Akıllı Tarım Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi