ANKARA (AA) - BİRİZ ÖZBAKIR - Ankara Üniversitesi Ziraat Fakültesi Tarım Makineleri ve Teknolojileri Mühendisliği Bölümü Tarım Makineleri Ana Bilim Dalı Öğretim Üyesi Doç. Dr. Caner Koç, bitki türlerine ait arı polenlerinin kolaylıkla ayrıştırılabilmesi için tasarladıkları yapay zeka destekli sınıflandırma makinesinin yüzde 90'ın üzerinde başarı sağladığını kaydetti.
Bal arılarının kovanlarında topladıkları ve biriktirdikleri çiçek polenlerinin kovan girişindeki polen tuzağı adı verilen mekanizmalarda birikmesi sonucu, arı poleni adı verilen yaş besin maddeleri oluşuyor.
Türkiye Arı Yetiştiricileri Merkez Birliğinin (TAB) verilerine göre Türkiye'de yılda yaklaşık 400 ton polen üretiliyor. Zengin bir besin olması ve sağlığa faydası dolayısıyla arı poleni doğrudan veya farklı gıdalara ilave edilerek tüketilebiliyor. Artan sağlıklı beslenme bilinci ve alternatif doğal ürünler arayışına olan eğilim arı polenine ilgiyi artırıyor.
Polenlerin renkleri, toplandıkları çiçeğin özelliklerine, iklim koşullarına, toprağın özelliklerine göre farklılık gösteriyor.
Polenleri renklerine göre sınıflandırabilmek için hayata geçirilen "Arıcılıkta Yapay Zeka Tabanlı Polen Sınıflandırma Makinesi Tasarımı" projesi TÜBİTAK 1711 Yapay Zeka Ekosistem Çağrısı kapsamında üniversite ve sanayi işbirliğinde gerçekleştiriliyor.
Ankara Üniversitesinin teknoloji sağlayıcı kurum olarak bulunduğu projede Yıldırım Plastik ve VİTEX Honey Alinda Arıcılık, özel sektör bileşenleri olarak yer alıyor.
Projeyle ilgili AA muhabirinin sorularını yanıtlayan Doç. Dr. Caner Koç, karışım polenlerden tek bitki poleni elde etmek için yapay zeka destekli bir sınıflandırma makinesi prototipi tasarladıklarını ve bu prototipin standart tek bitki poleni elde edilmesi için renge göre sınıflandırma yaptığını söyledi.
Yüksek besin içeriğine sahip polenlerin yüzde 20 ila yüzde 30 protein içerdiği bilgisini paylaşan Koç, ayçiçeği gibi pestisit bulaşıklı polenlerin ayrıştırılmasının yanı sıra, kekik, lavanta gibi farklı polenlere alerjileri olan kişilerin, alerjilerinin olmadığı diğer polenleri tüketebilmeleri açısından da polenlerin ayrıştırılarak sınıflandırılmasının önemli olduğunu belirtti.
Koç, "Her arı poleninin rengi bir bitkiyi ifade ediyor. Biz yapay zeka algoritmaları kullanarak bu arı polenlerini renklerine göre sınıflandırmak için bir makine tasarladık ve yüzde 90'ın üzerinde başarıyla da bu ayrıştırma işlemlerini gerçekleştirdik." dedi.
- Prototip nasıl çalışıyor?
3 farklı banttan oluşan prototipin yaklaşık 1,5 metre uzunluğunda ve 50 milimetre genişlikte olduğunu ve elektronik kartlar ve monitörle yaklaşık 1,5 metrekarelik bir alanı kapladığını aktaran Koç, prototipin çalışma prensibini şöyle anlattı:
"Öncelikle veri seti oluşturularak işe başlanıyor. Her bir ürüne ait polenleri renklere göre gruplandırıyoruz. Her bir ürüne 500'er adet örnek alıyoruz. Bunların teker teker fotoğraflarını çekiyoruz. Bu çekilen fotoğraflar yapay zeka algoritmalarına sokuluyor. Hangi gruba ait olduğunu yapay zekayla, makine öğrenmesiyle sisteme tanıtıyoruz. Bizim kartlarımız var. Bu kartlar, örneğin kırmızıyı gördüğünde evet bu kırmızıdır, bu siyahtır, bu turuncudur diye tespit ediyor. Biz bunları teker teker tanıtıyoruz, daha sonra sistemi çalıştırıyoruz. Sistem çalışırken polenler tek bir hizada farklı renklerde tek tek akarken bir kameranın önüne geliyor. Kamera da bu renkleri algıladığında, polen hangi renk grubundaysa arka tarafta yer alan üfleçlerle üflenerek ilgili depoya gönderiliyor."
- Yapay zekanın katkısı
Yapay zeka tabanlı polen sınıflandırma makinesinin dünyada bir ilk olduğunun altını çizen Koç, arı poleninin hem şeklen bozuk ve küçük hem de birçok süreçten geçmesi gereken bir materyal olması nedeniyle yapay zekanın bu zorlukların üstesinden gelinmesi konusunda fayda sağladığını dile getirdi.
Yapay zeka teknolojisi sayesinde prototipin çok daha kısa sürede renkleri ayrıştırmaya olanak tanıdığına ve bu sayede enerji verimliliği sağladığına değinen Koç, "Biz elektrik enerjisi kullanıyoruz. Yapay zeka kullandığımız için makinenin çalışma süresi çok kısaldı. Haliyle 3 saat çalışarak yapacağı işi yaklaşık olarak 15, 20 dakikada yapabiliyor. Hem çevreci hem de enerji sarfiyatı bakımından oldukça ekonomik bir cihaz. Polenler belli bir banttan sıralı bir hizada akarken saniyede 3 ila 5 arasındaki polen taneciğini ayrıştırabiliriz. Bu da yaklaşık olarak dakikada 250, 300 arasında poleni sınıflandırmak demek. 1 kilo poleni birkaç saat içerisinde sınıflandırabiliyoruz." diye konuştu.
- "Yapay zekayla daha hızlı karar alınıyor, süreçler doğru yürütülüyor"
Projede yapay zeka konusunda görev alan Ankara Üniversitesi Ziraat Fakültesi Tarım Makineleri ve Teknolojileri Mühendisliği Bölümü Doktora Öğrencisi Dilara Koç, polenin prototipin önüne gelmesi, algılanması, ne olduğuna karar verilmesi ve üfleçlerin önüne gelmesine kadarki süreçlerin birbiriyle iletişim halinde olması için incelikli bir yazılım işlendiğini kaydetti.
Yapay zekanın projeye entegre edilmesi sürecinde çok çaba sarf ettiklerinden bahseden Koç, "Bu çabaların başında veri seti oluşturma süreci vardı. Bu küçük ve yorucu materyalleri tek tek ayırarak renklerine göre fotoğraflarını çekmek, görüntü almak gerekiyordu. Hem ön hem arka planı karışık, tek renk, birden çok polenin ya da tek çeşitli polenin olduğu fotoğraflar aldık ve daha sonra veri artırma yoluna gittik." dedi.
Koç, projede yapay zekanın sağladığı en büyük avantajların hızlı karar vermesi ve süreçleri doğru bir şekilde yürütmesi olduğunu ifade etti.