Bal arılarının kovanlarında topladıkları ve biriktirdikleri çiçek polenlerinin kovan girişindeki polen tuzağı ismi verilen sistemlerde birikmesi sonucu, arı poleni ismi verilen yaş besin unsurları oluşuyor.
Türkiye Arı Yetiştiricileri Merkez Birliğinin (TAB) bilgilerine nazaran Türkiye’de yılda yaklaşık 400 ton polen üretiliyor. Varlıklı bir besin olması ve sıhhate yararı hasebiyle arı poleni direkt yahut farklı besinlere ek edilerek tüketilebiliyor. Artan sağlıklı beslenme şuuru ve alternatif doğal eserler arayışına olan eğilim arı polenine olan ilgiyi artırıyor.
Polenlerin renkleri, toplandıkları çiçeğin özelliklerine, iklim şartlarına, toprağın özelliklerine nazaran farklılık gösteriyor.
Polenleri renklerine nazaran sınıflandırabilmek için hayata geçirilen “Arıcılıkta Yapay Zeka Tabanlı Polen Sınıflandırma Makinesi Tasarımı” projesi TÜBİTAK 1711 Yapay Zeka Ekosistem Daveti kapsamında üniversite ve sanayi işbirliğinde gerçekleştiriliyor.
Ankara Üniversitesi’nin teknoloji sağlayıcı kurum olarak bulunduğu projede Yıldırım Plastik ve VİTEX Honey Alinda Arıcılık, özel dal bileşenleri olarak yer alıyor.
Projeyle ilgili AA muhabirinin sorularını yanıtlayan Ankara Üniversitesi Ziraat Fakültesi Tarım Makineleri ve Teknolojileri Mühendisliği Kısmı Tarım Makineleri Ana Bilim Kısmı Öğretim Üyesi Doç. Dr. Caner Koç, karışım polenlerden tek bitki poleni elde etmek için yapay zeka dayanaklı bir sınıflandırma makinesi prototipi tasarladıklarını ve bu prototipin standart tek bitki poleni elde edilmesi için renge nazaran sınıflandırma yaptığını söyledi.
Yüksek besin içeriğine sahip polenlerin yüzde 20 ila yüzde 30 protein içerdiği bilgisini paylaşan Koç, ayçiçeği üzere pestisit bulaşıklı polenlerin ayrıştırılmasının yanı sıra, kekik, lavanta üzere farklı polenlere alerjileri olan bireylerin, alerjilerinin olmadığı başka polenleri tüketebilmeleri açısından da polenlerin ayrıştırılarak sınıflandırılmasının değerli olduğunu belirtti.
Koç, “Her arı poleninin rengi bir bitkiyi tabir ediyor. Biz yapay zeka algoritmaları kullanarak bu arı polenlerini renklerine nazaran sınıflandırmak için bir makine tasarladık ve yüzde 90’ın üzerinde muvaffakiyetle da bu ayrıştırma süreçlerini gerçekleştirdik.” dedi.
PROTOTİP NASIL ÇALIŞIYOR?
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 data seti oluşturularak işe başlanıyor. Her bir esere ilişkin polenleri renklere nazaran gruplandırıyoruz. Her bir esere 500’er adet örnek alıyoruz. Bunların teker teker fotoğraflarını çekiyoruz. Bu çekilen fotoğraflar yapay zeka algoritmalarına sokuluyor. Hangi kümeye ilişkin 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 art tarafta yer alan üfleçlerle üflenerek ilgili depoya gönderiliyor.”
YAPAY ZEKANIN KATKISI
Yapay zeka tabanlı polen sınıflandırma makinesinin dünyada bir birinci olduğunun altını çizen Koç, arı poleninin hem şeklen bozuk ve küçük hem de birçok süreçten geçmesi gereken bir malzeme olması nedeniyle yapay zekanın bu zorlukların üstesinden gelinmesi konusunda yarar sağladığını lisana getirdi.
Yapay zeka teknolojisi sayesinde prototipin çok daha kısa müddette renkleri ayrıştırmaya imkan tanıdığına ve bu sayede güç verimliliği sağladığına değinen Koç, “Biz elektrik gücü kullanıyoruz. Yapay zeka kullandığımız için makinenin çalışma mühleti çok kısaldı. Haliyle 3 saat çalışarak yapacağı işi yaklaşık olarak 15, 20 dakikada yapabiliyor. Hem çevreci hem de güç sarfiyatı bakımından epey ekonomik bir aygıt. Polenler belirli bir banttan sıralı bir hizada akarken saniyede 3 ila 5 ortasındaki polen taneciğini ayrıştırabiliriz. Bu da yaklaşık olarak dakikada 250, 300 ortasında poleni sınıflandırmak demek. 1 kilo poleni birkaç saat içerisinde sınıflandırabiliyoruz.” diye konuştu.
“YAPAY ZEKAYLA DAHA SÜRATLİ KARAR ALINIYOR, SÜREÇLER YANLIŞSIZ YÜRÜTÜLÜYOR”
Projede yapay zeka konusunda misyon alan Ankara Üniversitesi Ziraat Fakültesi Tarım Makineleri ve Teknolojileri Mühendisliği Kısmı Doktora Öğrencisi Dilara Koç, polenin prototipin önüne gelmesi, algılanması, ne olduğuna karar verilmesi ve üfleçlerin önüne gelmesine kadarki süreçlerin birbiriyle irtibat halinde olması için incelikli bir yazılım işlendiğini kaydetti.
Yapay zekanın projeye entegre edilmesi sürecinde çok uğraş sarf ettiklerinden bahseden Koç, “Bu uğraşların başında bilgi seti oluşturma süreci vardı. Bu küçük ve yorucu gereçleri tek tek ayırarak renklerine nazaran fotoğraflarını çekmek, imaj almak gerekiyordu. Hem ön hem art planı karışık, tek renk, birden çok polenin ya da tek çeşitli polenin olduğu fotoğraflar aldık ve daha sonra bilgi artırma yoluna gittik.” dedi.
Koç, projede yapay zekanın sağladığı en büyük avantajların süratli karar vermesi ve süreçleri yanlışsız bir biçimde yürütmesi olduğunu tabir etti.
