Otonom Kara ve Hava Araçları ile Akıllı Tarım: Hasat Optimizasyonu Üzerine Bir Uygulama

Öz Günümüzde tarım sektörü yeni şirketler ve yatırımcılarla bir yüksek teknoloji endüstrisi haline gelmektedir. Teknolojinin hızlı gelişmesi sadece çiftçilerin üretim yeteneklerini geliştirmeyip, robotik ve otomasyon teknolojisini de geliştirmektedir. Çiftçiler artık hasat toplamada otonom hava araçları ve robotlar kullanarak üretim verimlerini artırmaktadırlar. Bu çalışmada, birbirleriyle iletişim halinde otonom insansız hava ve kara araçlarına tarım arazisinde hedefleri daha önceden belirlenmiş elmaların zaman minimizasyonu ile hasat toplatılması amaçlanmıştır. Mevcut çalışılan problemin çok büyük olmasından dolayı süre optimizasyonu yapılması amacıyla ana problem küçük alt problemlere bölünerek çözülmüştür. Kara araçlarının duraklarının yerlerinin belirlenmesi ve bu yerlerin belirlenme işlemini çözümlemek için k-ortalama kümeleme yönteminden yararlanılmıştır. Hesaplamalar için ise Julia programlama dili kullanılmıştır. Çalışmada örnek olarak toplatılması düşünülen 500 elma için optimal durak sayısı 3 olarak bulunmuştur. Her bir durakta hava araçlarının elma toplama sürelerini optimize etmek için hazırlanan model ise Gurobi çözücüsü yardımıyla çözümlenip sonuçlara ulaşılmıştır. Çalışmanın sonucunda kara aracının her bir durakta ortalama bekleme süresi yaklaşık 439 sn olarak elde edilmiştir. Today, the agricultural sector is becoming a high-tech industry with new companies and investors. Rapid development of technology not only improves farmers' production capabilities, but also improves robotics and automation technology. Farmers are now increasing their production efficiency by using autonomous aircraft and robots in harvesting. In this study, it is aimed to collect the harvest by the time minimization of the previously determined apples in the agricultural land in communication of autonomous unmanned aerial and ground vehicles. Due to the fact that the current problem is very large, the main problem is solved by dividing it into small sub-problems in order to make time optimization. K-means clustering method was used to determine the locations of the ground vehicles' stops and to analyze it. Julia programming language is used for calculations. In the study, the optimal number of stops for 500 apples was found to be 3. The model prepared to optimize the apple picking times of air vehicle at each stop was resolved with the help of the Gurobi solvent and the results were achieved. As a result of the study, the average waiting time of the ground vehicle at each stop was approximately 439 seconds.

Kaynakça

Bekhti, M., Achir, N., Boussetta, K., Abdennebi, M.,(2017). Drone Package Delivery: A Heuristic approach for UAVs path planning and tracking, EAI Endorsed Transactions on Internet of Things, Volume 3(9), 1-10. Bezanson, J., Edelman, A., Karpinski, S. ve Shah, V. B. (2017). Julia: A Fresh Approach to Numerical Computing, SIAM Review, 59(1), 65-98.

Duman, B., ve Özsoy, K., (2019). Endüstri 4.0 Perspektifinde Akıllı Tarım (Smart Agrıculture In Industry 4.0 Perspectıve), 4th International Congress On 3d Printing (Additive Manufacturing) Technologies And Digital Industry, 11-14 Nisan 2019, Antalya, Türkiye, 540-555.Dunning, I., Huchette, J. ve Lubin, M. (2017). JuMP: A Modeling Language for Mathematical Optimization, SIAM Review, 59(2), 295–320. Eminoğlu, B., Öztürk, R., Acar, A. İ., Kalınkara, V. (2015). Meyve Hasadında Kullanılan Hasat Platformlarının Çalışma Koşullarının İyileştirilmesi Yönünden Değerlendirilmesi, Süleyman Demirel Üniversitesi Mühendislik Bilimleri ve Tasarım Dergisi, 3(3), 233-238.Ferrandez, S. M., Harbison, T., Weber, T., Sturges, R., & Rich, R. (2016). Optimization of a truck-drone in tandem delivery network using k-means and genetic algorithm, Journal of Industrial Engineering and Management, 9(2), 374-388.Gurobi Optimization, L. (2018). Gurobi Optimizer. http://www.gurobi.com adresinden erişildi.Murray, Chase C. & Chu, Amanda G. (2015). The flying sidekick traveling salesman problem: Optimization of drone-assisted parcel delivery, Transportation Research Part C: Emerging Technologies, Volume 54, 86-109. Olivares, Víctor & Cordova, Felisa & Sepúlveda, Juan M. & Derpich, Ivan. (2015). Modeling Internal Logistics by Using Drones on the Stage of Assembly of Products, Procedia Computer Science. Volüme 55, 1240-1249. Şengöz, N., ve Özdemir, G. (2016). Temel Bileşenler Analizi Ve K-Ortalama Kümeleme Yönteminin Birlikte Kullanımı: Bir Örnek Uygulama, Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 8 (15), 85-94. Tekin, A.B., (2013). Tarım Robotları, Tarım Makinaları Bilimi Dergisi, 9 (4): 273-278.Tevel-tech (2019). https://www.tevel-tech.com/ adresinden 23.01.2020 tarihinde alınmıştır.Tevel-tech (2019). https://patentswarm.com/patents/US20190227575A1 adresinden 23.01.2020 tarihinde alınmıştır. Topakcı, M. ve Ünal, İ. (2010). Hassas Tarımda Değişken Oranlı Uygulamalar, Tarımsal Mekanizasyon 26. Ulusal Kongresi, 22-23 Eylül, Hatay, Türkiye. Wang, Xingyin & Poikonen, Stefan & Golden, Bruce. (2016). The vehicle routing problem with drones: Several worst-case results, Optimization Letters. 11(4), 679-697.