UniTriRob: aeroponik dikey tarımda marul verimini tahmin etmek için sağlam bir makine öğrenmesi regresyon modeli

Neden daha akıllı marul çiftlikleri önemli

Arazi, su ve hava koşullarının baskı altında olduğu koşullarda şehirleri yıl boyu taze yeşillikle beslemek zordur. Aeroponik dikey çiftlikler, marulu toprak yerine sis kullanarak yüksek iç mekan kulelerinde yetiştirir; böylece alan ve sudan tasarruf sağlanır. Ancak bu yüksek teknolojili çiftliklerden güvenilir hasatlar elde edebilmek, ne kadar marul üretileceğini önceden bilmeyi gerektirir. Bu çalışma, marul verimlerini daha doğru tahmin etmenin yeni bir yolunu tanıtarak çiftçilerin daha iyi plan yapmasına ve daha az kaynak kullanmasına yardımcı olur.

Havada salata yetiştirmek

Aeroponik dikey yetiştiricilikte marul bitkileri üst üste dizilmiş sütunlarda yer alır ve kökleri havada asılı kalarak düzenli aralıklarla besin açısından zengin bir sisle püskürtülür. Sıcaklık ve nemden ışık, pH ve besin yoğunluğuna kadar her şey hassas biçimde ayarlanabildiği için çiftçiler toprağa dayalı tarlalara göre daha az suyla marulu hızlıca yetiştirebilir. Dezavantajı ise bu sıkı kontrol edilen sistemlerin şaşırtıcı derecede hassas olmasıdır. Sensörlerdeki küçük aksaklıklar veya koşullardaki kısa dalgalanmalar ölçümleri çarpıtabilir ve temiz, sabit veri varsayan basit tahmin araçlarına güvenmeyi zorlaştırır.

Neden sıradan matematik yetersiz kalıyor

Pek çok mevcut verim tahmini standart regresyon veya popüler makine öğrenmesi yöntemlerine dayanır; bu yöntemler veriler düzenli davrandığında en iyi sonucu verir. Gerçek aeroponik çiftliklerde pH, çözünmüş toplam katı madde, elektriksel iletkenlik, bulanıklık, sıcaklık, nem, ışık ve büyüme gibi sensör okumalarında genellikle aykırı değerler ve düzensiz gürültü bulunur. Tıkalı bir nozül, kısa bir elektrik kesintisi veya sensör sapması, sıradan modelleri hedefinden saptırabilecek uç değerler yaratabilir. Sonuç olarak, önceki yaklaşımlar uzun dönem iç mekan denemelerinin dağınık gerçeğiyle tam olarak başa çıkamadı.

Kötü verileri yok saymak için tasarlanmış üç parçalı bir model

Yazarlar, UniTriRob adını verdikleri yeni bir regresyon çerçevesi tasarladı; bu çerçeve üç sağlam tekniği tek bir modelde harmanlıyor. Bir parça küçük düzensizliklerin etkisini nazikçe azaltır; bir diğeri açıkça aykırı olan verileri elerken tekrar tekrar doğrusal uyum yapar; üçüncüsü ise aşırı değerlere karşı dayanıklı olmak için ortalamalar yerine medyanları kullanır. Birlikte kuşkulu okumaların ağırlığını azaltır, onların sonucu domine etmesine izin vermezler. Model, bir aeroponik kulenin birkaç marul büyüme döngüsü boyunca her 15 dakikada bir kaydedilmiş 50.000’den fazla zaman damgalı kayıt üzerinde eğitildi; böylece ana koşulların zaman içindeki değişimini ve bu değişimlerin nihai verim üzerindeki etkisini yakaladı.

Modelin çalışan bir çiftlikte test edilmesi

Özenli veri temizleme ve görselleştirmenin ardından araştırmacılar kayıtlarını eğitim ve test setlerine ayırdı. Daha sonra UniTriRob’u doğrusal ve polinom regresyon, destek vektör regresyonu ve tek başına kullanılan birkaç sağlam yöntem de dahil olmak üzere yaygın alternatiflerle karşılaştırdılar. Ortalama kare hata, ortalama mutlak hata ve yüzde hata gibi ölçüler kullanıldığında UniTriRob tutarlı biçimde marulun gerçekte hasat edilen ağırlığına en yakın tahminleri yaptı. Verimdeki değişimin yaklaşık yüzde 98’ini açıkladı, hata oranlarını standart modellere kıyasla yaklaşık beşte bir ila dörtte bir oranında düşürdü ve makul bir hesaplama süresi içinde çalışarak gerçek çiftlik kontrol sistemleri için pratik hale geldi.

Gelecekteki kent çiftlikleri için bunun anlamı

Daha doğru verim tahminleri iç mekan çiftçilerin sulama, besin ve aydınlatmayı tahmine dayalı değil ince ayar yaparak optimize etmelerine olanak tanır. Bu çalışmada sağlam model hangi faktörlerin en çok önem taşıdığını ortaya koymaya yardımcı oldu ve pilot denemelerde su tüketimini yüzde 40’a kadar azaltmak gibi kaynak kullanımını daraltma yolları önerdi. Yazarlar sonuçlarının belirli bir aeroponik düzeneğe göre geçerli olduğunu ve diğer ürünler ile sistemleri test etmek için daha fazla çalışmaya ihtiyaç olduğunu vurguluyor. Yine de UniTriRob, gürültülü sensör verilerine özen gösterilmesinin yüksek teknolojili dikey çiftlikleri daha öngörülebilir, verimli ve kalabalık şehirlere taze gıda sağlamak için daha uygun hale getirebileceğini gösteriyor.

Atıf: Rajendiran, G., Rethnaraj, J., Zade, S. et al. UniTriRob: a robust machine learning regression model for predicting lettuce yields in aeroponic vertical farming. Sci Rep 16, 15791 (2026). https://doi.org/10.1038/s41598-026-44564-8

Anahtar kelimeler: aeroponik marul, dikey tarım, verim tahmini, sağlam regresyon, akıllı tarım