Günümüzde elma üretim maliyetlerinin oldukça fazla olması, üreticiyi ve dolayısıyla tüketiciyi olumsuz etkilemektedir. Elma üreticisi için elma ağaçlarının ve ürünün korunması çok önemlidir. Ağaçların korunması için atmosferik şartların bilinmesi gerekmektedir. Bu atmosferik olaylar elmaların gelişimini, hastalıkların ve zararlıların ortaya çıkışını ürün kalitesini ve miktarını doğrudan etkilemektedir. Meteorolojik koşulları inceleyerek erken uyarı ve tahmin yapan sistemler, daha az ilaçlama yapılmasını, hastalık ve zararlılardan kaynaklanan ürün kaybının önlenmesini ve doğanın korunmasını amaçlamaktadırlar. Bu tez çalışmasında; Elma üreticiliğinde, elma kalitesini ve üretim miktarını en fazla etkileyen hastalık ve zararlıların başında gelen elma içkurdu ve karaleke hastalığının tahmini ve erken uyarı üzerine çalışılmıştır. Tahmin için Uyarlamalı Sinir-Bulanık Çıkarsama Sistemi (USBÇS) ile geliştirilen matematiksel modeller Programlanabilen Mantıksal Denetleyici (PMD) içerisine gömülerek, hastalık ve zararlının uzaktan gözlenmesi ve gerekli koşullar oluştuğunda ise erken uyarının verilmesi amaçlanmıştır. USBÇS sonuçları mevcut erken uyarı sistemi ile karşılaştırılmış ve başarılı sonuçlar elde edilmiştir. Çalışmada kullanılan iklim verileri Isparta İl Tarım Müdürlüğü bünyesinde bulunan ve Gelendost merkezde kurulu olan erken uyarı istasyonundan alınmıştır. Anahtar Kelimeler: Erken Uyarı, Programlanabilen Mantıksal Denetleyici (PMD), Uyarlamalı Sinir-Bulanık Çıkarsama Sistemi (USBÇS, Karaleke, İçkurdu.
Nowadays, the cost of apple production negatively affects the apple growers directly and customers indirectly. The plant protection activities against to apple pest are very important for growers. Meteorological conditions directly affect the growing of apples, the apple diseases, insects, and the yield quality. For that reason, the meteorological conditions should be known to protect the apple orchards against pests. The aims of early warning and prediction systems are to decrease the usage of pesticide, to eliminate the crop losses caused by diseases and insects, and to keep the natural environment by analyzing of meteorological conditions. In this thesis, worked for early warning and predicting apple scab and apple codling moth which are the most important apple disease and pests for apple producer. Therefore, Adaptive Network-Based Fuzzy Inference System (ANFIS) was used to develop mathematical model of diseases. These models were embedded to Programmable Logic Controller (PLC) and early warning and predicting were observed. ANFIS results and existing early warning system results were compared and sufficient outcomes were taken. Climate data, used in this experiment, were obtained Isparta Provincial Directorate of Agriculture's early warning station which is established in city center of Gelendost. Keywords: Early Warning, Programmable Logic Controller (PLC), Adaptive Network - Based Fuzzy Inference System (ANFIS), Apple Scab, Apple Codling Moth.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik ve Haberleşme Mühendisliği Anabilim Dalı, 2009.
Kaynakça var.
Günümüzde elma üretim maliyetlerinin oldukça fazla olması, üreticiyi ve dolayısıyla tüketiciyi olumsuz etkilemektedir. Elma üreticisi için elma ağaçlarının ve ürünün korunması çok önemlidir. Ağaçların korunması için atmosferik şartların bilinmesi gerekmektedir. Bu atmosferik olaylar elmaların gelişimini, hastalıkların ve zararlıların ortaya çıkışını ürün kalitesini ve miktarını doğrudan etkilemektedir. Meteorolojik koşulları inceleyerek erken uyarı ve tahmin yapan sistemler, daha az ilaçlama yapılmasını, hastalık ve zararlılardan kaynaklanan ürün kaybının önlenmesini ve doğanın korunmasını amaçlamaktadırlar. Bu tez çalışmasında; Elma üreticiliğinde, elma kalitesini ve üretim miktarını en fazla etkileyen hastalık ve zararlıların başında gelen elma içkurdu ve karaleke hastalığının tahmini ve erken uyarı üzerine çalışılmıştır. Tahmin için Uyarlamalı Sinir-Bulanık Çıkarsama Sistemi (USBÇS) ile geliştirilen matematiksel modeller Programlanabilen Mantıksal Denetleyici (PMD) içerisine gömülerek, hastalık ve zararlının uzaktan gözlenmesi ve gerekli koşullar oluştuğunda ise erken uyarının verilmesi amaçlanmıştır. USBÇS sonuçları mevcut erken uyarı sistemi ile karşılaştırılmış ve başarılı sonuçlar elde edilmiştir. Çalışmada kullanılan iklim verileri Isparta İl Tarım Müdürlüğü bünyesinde bulunan ve Gelendost merkezde kurulu olan erken uyarı istasyonundan alınmıştır. Anahtar Kelimeler: Erken Uyarı, Programlanabilen Mantıksal Denetleyici (PMD), Uyarlamalı Sinir-Bulanık Çıkarsama Sistemi (USBÇS, Karaleke, İçkurdu.
Nowadays, the cost of apple production negatively affects the apple growers directly and customers indirectly. The plant protection activities against to apple pest are very important for growers. Meteorological conditions directly affect the growing of apples, the apple diseases, insects, and the yield quality. For that reason, the meteorological conditions should be known to protect the apple orchards against pests. The aims of early warning and prediction systems are to decrease the usage of pesticide, to eliminate the crop losses caused by diseases and insects, and to keep the natural environment by analyzing of meteorological conditions. In this thesis, worked for early warning and predicting apple scab and apple codling moth which are the most important apple disease and pests for apple producer. Therefore, Adaptive Network-Based Fuzzy Inference System (ANFIS) was used to develop mathematical model of diseases. These models were embedded to Programmable Logic Controller (PLC) and early warning and predicting were observed. ANFIS results and existing early warning system results were compared and sufficient outcomes were taken. Climate data, used in this experiment, were obtained Isparta Provincial Directorate of Agriculture's early warning station which is established in city center of Gelendost. Keywords: Early Warning, Programmable Logic Controller (PLC), Adaptive Network - Based Fuzzy Inference System (ANFIS), Apple Scab, Apple Codling Moth.