Bayır, RaifAlbayrak, Ahmet2024-09-292024-09-292018https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=vbVkXe1KChYWNElr1MuLZjBqCGLrRNFavh6GswfOleGDxmXrT2A7srq0PfGllnAnhttps://hdl.handle.net/20.500.14619/14361Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim DalıBu çalışmada, ülkemizde önemli bir tarımsal faaliyet olan gezgin arıcılığın modernizasyonu ve teknoloji ile entegre edilmesi üzerine odaklanılmaktadır. Gezgin arıcılar nektar ve polen taşıyan bitkilerin çiçeklenme dönemlerini tecrübeye dayalı ve niteliksel olarak takip etmektedirler. Bu durum çiçeklenme dönemlerinde arılar için nektar ve polen kaynağı haline gelen bitkilerin öznel olarak değerlendirilmesi nedeniyle bal üretimini çoğunlukla olumsuz etkilemektedir. Bu çalışmada öncelikle bitkilerdeki nektar akışının tespiti için ölçeklenebilir, düşük maliyetli ve az enerji harcayan kablosuz algılayıcı ağ (KAA) kurulumu ve nektar akış tespiti yapılmıştır. Deneysel çalışmalar kapsamında, Trabzon ili Dernekpazarı bölgesinde yoğun miktarda nektar ya da polen barındıran bitkilerin çiçeklenme dönemlerine göre nektar akışının değişimi bir ay boyunca gözlenmiştir. Deneysel çalışma iki adet deney iki adet kontrol kovanı olmak üzere dört adet arı kovanı (kolonisi) ile gerçekleştirilmiştir. Gerçekleştirilen nektar akışı ve bal üretimi (arıcılık potansiyeli) tahmini niceliksel ölçme aracı ile uzman paydaş görüşleri değerlendirilerek arıcıların bal üretimini arttırmak için kullanabileceği dinamik bir karar destek sistemi (KDS) geliştirilmiştir. Arı yetiştiricisi internet üzerinden sisteme girip gitmek istediği bölge ile ilgili; ne kadar bal üretebileceğini, bölgenin bal verimi açısından (iyi, orta, kötü) sınıflandırmasını, ne tür bal üreteceğini ve bölge için en uygun yükselti ve zaman dilimlerini öğrenebilmektedir. KDS'nin bu çıktıları bölgenin arıcılık potansiyelini de vermektedir. KDS, bulanık bilişsel haritalar (BBH) kullanılarak geliştirilmiştir. BBH'nın kavramsal modelleme aşamasında bilişsel harita istatistiksel olarak analiz edilmiştir. Doğrulama amacıyla gerçekleştirilen çoklu doğrusal regresyon sonucunda bilişsel haritanın %82,3 oranında problemi (bal üretimi- arıcılık potansiyeli) tanıdığı/açıkladığı görülmüştür. Karar destek sistemi lineer olmayan Hebbian öğrenme algoritması ile entegre edilerek zeki karar destek sistemi (ZKDS) haline getirilmiştir. ZKDS, KAA ile bir ay boyunca nektar akış ölçümü yapılan bölgeden elde edilen bilgiler ile karşılaştırılmıştır. ZKDS, KAA ile test edildiğinde %79,8'lik doğrulukta çalıştığı görülmektedir. Ayrıca ZKDS 2017 yılında üç farklı bölgede arı kolonilerini konaklatmış olan bir gezgin arıcının elde ettiği kovan başına bal üretimi ile de karşılaştırılmıştır. Gezgin arıcı bilgileri ile ZKDS karşılaştırması sonucuna göre, %81,7'lik doğruluk oranı elde edilmiştir.In this thesis study, migratory beekeeping is an important agricultural activity in our country, focuses on the modernization and integration with technology. Migratory beekeepers follow experiential and qualitative flowering periods of plants carrying nectar and pollen. This often negatively affects honey production because the plants that become nectar and pollen source for bees in flowering periods are subjectively evaluated. In this study, firstly, scalable, low-cost and low-energy wireless sensor network (WSN) setup and nectar flow detection were performed to determine the flow of nectar in plants. Within the scope of experimental studies, the fluctuation of nectar flow according to the flowering periods of plants containing intense nectar or pollen in Trabzon province Dernekpazarı region was observed for one month. Experimental study was carried out with four beehives (colony), two experiments and two controls. A dynamic decision support system (DSS) has been developed, which can be used by beekeepers to increase honey production by evaluating expert stakeholder views with quantitative measurement tool, which is an estimated nectar flow and honey production potential (beekeeping potential). The beekeeper enters the system via the internet and wants to go to the region; how to produce honey, how to classify the region in terms of honey production (good, medium, bad), what kind of honey to produce, and the most suitable altitudes and time periods for the region. These outputs of the DSS also give the region the beekeeping potential. DSS was developed using fuzzy cognitive maps (FCM). The cognitive map of the conceptual modeling stage of the FCM was statistically analyzed. Because of the multiple linear regression performed for validation, it was seen that the cognitive map recognized 82.3% of the problem (honey production - beekeeping potential). The decision support system has been integrated with the non-linear Hebbian learning algorithm into an intelligent decision support system (IDSS). IDSS was compared with the data obtained from the region where nectar flow measurement was performed for one month with WSN. IDSS, when tested with WSN, seems to work at 79.8% accuracy. The IDSS is also compared to honey production per hive obtained by a migratory beekeeper who has colonized bee colonies in three different regions in 2017. According to the results of IDSS comparison with migratory's beekeeping information, 81.7% accuracy was obtained.trinfo:eu-repo/semantics/openAccessBilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolComputer Engineering and Computer Science and Control ; Bilim ve TeknolojiDoctoral Thesis1381495137