Abstract

Tarımda yabancı otlar, kültür bitkilerinin gelişimini engelleyerek önemli verim kayıplarına neden olmaktadır. Geleneksel yöntemlerle yabancı otların tespiti, zaman alıcı, iş gücü gerektiren ve maliyetli olabilir. Ancak, son yıllarda teknolojinin ilerlemesiyle birlikte, tarım sektöründe insansız hava araçları (İHA) kullanımı giderek yaygınlaşmaktadır. İHA’lar, tarım alanlarında yüksek çözünürlüklü görüntüler elde etmek için kullanılabilir ve bu sayede yabancı otlar hızlı bir şekilde tespit edilebilir. İnsansız Hava Araçlarının (İHA) entegrasyonu afet yönetimi, ormancılık, fotogrametri ve tarım gibi birçok alanda hızlı ve etkili bir şekilde analiz eder. Bu teknoloji geleneksel yöntemlere göre düşük maliyetli, daha hızlı çalışma yapılmasını sağlar. Bu çalışmanın amacı İHA tabanlı ortofoto ile tarla bitkilerini sınıflandırarak yabancı ot tespitinin yapılması ve doğruluğunu analiz etmektir. Bu çalışmada yabancı ot ile beraber dört ayrı sınıfta incelenen pamuk tarlasına ait oluştulan ortofoto sınıflandırılmasında ortalama doğruluk oranı %95 çıkmıştır.

References

1. Özcan, O.: İnsansız Hava Aracı ( İHA ) ile Farklı Yüksekliklerden Üretilen Sayısal Yüzey Modellerinin ( SYM ) Doğruluk Analizi. J. Eng. Earth Sci. 2, 1–7 (2017) 2. FAO (2021). The State of Food and Agriculture. Rome: FAO.

3. Pala, F., & Mennan, H. (2018). Diyarbakır İli Pamuk Ekim Alanlarında Sorun Olan Yabancı Otlar ve Uygulanan Kontrol Yöntemlerinin Araştırılması. Ege Üniversitesi Ziraat Fakültesi Dergisi, 55(1), 111–117.

4. Özer, R., Güneş, T., & Kara, M. (2019). Yabancı otların tarımsal verime etkisi. Tarım Ekonomisi ve Yönetimi Dergisi, 17(3), 67-81. 5. Kaya, N., & Uygur, F. N. (2018). Tarımda yabancı otların ekonomik etkileri ve kontrol stratejileri. Bitki Koruma Bilimleri, 24(2), 98-113.

6. Demir, S. (2021). Yabancı ot mücadelesinde yenilikçi yaklaşımlar. Tarım Bilimleri Araştırma Dergisi, 29(4), 145-160.

7. Behera, T.K., Bakshi, S., Sa, P.K.: A Lightweight Deep Learning Architecture for Vegetation Segmentation using UAV-captured Aerial Images. Sustain. Comput. Informatics Syst. 37, 100841 (2023). https://doi.org/10.1016/j.suscom.2022.100841

8. Jaud, M., Grasso, F., Le Dantec, N., Verney, R., Delacourt, C., Ammann, J., Deloffre, J., Grandjean, P.: Potential of UAVs for monitoring mudflat morphodynamics (Application to the Sein e Estuary, France). ISPRS Int. J. Geo-Information. 5, (2016). https://doi.org/10.3390/ijgi5040050

9. Göster, K., Apa); Çelik, ;, Yakar, M.Ö., Hamal, İ., Oğuz, S.N.G., Kanun, G.M.: Türkiye İnsansız Hava Araçları Dergisi-2020; 2(1); 22-27 Türkiye İnsansız Hava Araçları Dergisi Sfm Tekniği ile Oluşturulan 3B Modellerin Kültürel Mirasın Belgelenmesi Çalışmalarında Kullanılması: Gözne Kalesi Örneği The Use of 3D Models Obtained by The Use of Sfm Technique in Documentatıon of Cultural Herıtage: Case Study of Castle Gozne. 2, 22–27 (2020)

10. DERELI, M.A., POLAT, N., UYSAL, M.: Düşük Maliyetli İHA ile Yüksek Çözünürlüklü SYM Üretimi. Nevşehir Bilim ve Teknol. Derg. 8, 56–62 (2019). https://doi.org/10.17100/nevbiltek.448558

11. Woodget, A.S., Carbonneau, P.E., Visser, F., Maddock, I.P.: Quantifying submerged fluvial topography using hyperspatial resolution UAS imagery and structure from motion photogrammetry. Earth Surf. Process. Landforms. 40, 47–64 (2015). https://doi.org/10.1002/esp.3613

12. Gökçeoğlu, İ., & Yalçın, H. (2020). Pamuk Tarımında Yabancı Ot Kontrolü ve Mücadele Yöntemleri. Tarım Bilimleri Dergisi, 23(2), 115-130.

13. Yılmaz, S., & Kaya, A. (2018). Pamukta Yabancı Otlar ve Kimyasal Mücadele Yöntemleri. Bitki Koruma Bülteni, 54(3), 210-221.

14. Çetin, S., & Şahin, Z. (2019). İnsansız Hava Araçları (İHA) ile Pamuk Tarımında Yabancı Ot Tespiti. Tarım Teknolojileri Dergisi, 15(1), 45-56.

15. Ozdemir, E., Makineci, E., Yilmaz, E., Kumbasli, M., Caliskan, S., Beskardes, V., Keten, A., Zengin, H., Yilmaz, H.: Biomass estimation of individual trees for coppice-originated oak forests. Eur. J. For. Res. 138, 623–637 (2019). https://doi.org/10.1007/s10342-019-01194-2

16. Çelik, E.C., Kara, D., Koc, E., Yayik, A.M.: The comparison of single-dose preemptive intravenous ibuprofen and paracetamol on postoperative pain scores and opioid consumption after open septorhinoplasty: a randomized controlled study. Eur. Arch. Oto-Rhino-Laryngology. 275, 2259–2263 (2018). https://doi.org/10.1007/s00405-018-5065-6

17. Morgan, J.A., Brogan, D.J., Nelson, P.A.: Application of Structure-from-Motion photogrammetry in laboratory flumes. Geomorphology. 276, 125–143 (2017). https://doi.org/10.1016/j.geomorph.2016.10.021

18. Lucieer, A., Turner, D., King, D.H., Robinson, S.A.: Using an unmanned aerial vehicle (UAV) to capture micro-topography of antarctic moss beds. Int. J. Appl. Earth Obs. Geoinf. 27, 53–62 (2014). https://doi.org/10.1016/j.jag.2013.05.011

19. Agus, F., Prafanto, A., Kamil, Z.A.: Detecting land use land cover using supervised maximum likelihood algorithm on spatiotemporal imagery in Samarinda, Indonesia. IOP Conf. Ser. Earth Environ. Sci. 1266, (2023). https://doi.org/10.1088/1755-1315/1266/1/012085

20. Griffith, D.A., Conway, C., Gamarra, A., Hutchison, M., Kim, D., Yang, Y.: Political Districts Versus Customized Polygons: Implementing Geographic Tessellation Stratified Random Sampling. Trans. GIS. 29, (2025). https://doi.org/10.1111/tgis.70019

21. Aslan, İ., Polat, N.: Deep learning-based classification of mature and immature lavender plants using UAV orthophotos and a hybrid CNN approach. Earth Sci. Informatics. 17, 1713–1727 (2024). https://doi.org/10.1007/s12145-023-01200-7