Yazılım II: Otonom Karar Verme Modeli

Otonom ve akıllı tarımsal kararlar için yapay zekâ.

Berlin, Germany20 Ocak 2025 – 31 Ekim 2026

Bugün uygulamada

Yazılım II’nin Smart Farming web ve mobil uygulamalarında 6 Ekim 2026 itibarıyla nasıl çalıştığı. Aşağıdaki Ocak raporu yayımlandığı haliyle korunmuştur.

Drone uçuşundan öneriye

Uygulamada Yazılım II artık tek bir istem değil, her yüklemede çalışan bir işlem hattının son adımıdır. Her adım sunucuda hesaplanır; böylece web uygulaması ve mobil uygulama aynı sonuçları gösterir.

1. Yükleme

Parsel başına

Çiftçi bir drone uçuşunun NDVI bölgesel istatistiklerini (XML), ekim tarihi ve görüntülerin alındığı tarihle birlikte yükler. Ekimden sonraki gün sayısı (DAS) bu iki tarihten parsel başına hesaplanır.

2. Puanlama

Yazılım I

Bir model paketi her parselin sulama ve azot düzeyini düşük, orta veya yüksek olarak puanlar. Çiftçi paketi yükleme sayfasında seçer: Veri Toplama 1’in ya da Veri Toplama 2’nin modelleri.

3. NDVI’yı büyüme dönemine göre değerlendirme

Normal · izle · düşük

Parselin NDVI değeri, buğdayın büyüme dönemi için sağlıklı aralıkla karşılaştırılır. Başaklanmadan itibaren, NDVI aralık içindeyken düşük bir model puanı sorun olarak değil, muhtemel olgunlaşma olarak gösterilir.

4. Tarla sağlığı

0–100

Parsel başına bir puan; tarla genelinde ortalaması alınır. NDVI’nın dönem aralığının ne kadar altında olduğuna ve azot ile sulama düzeylerine göre hesaplanır.

5. Öneri

Yazılım II

Bir dil modeli büyüme dönemini, iki düzeyi ve NDVI değerlendirmesini Türkçe veya İngilizce su ve gübre önerisine dönüştürür. Arka planda bir iş olarak çalışır; uygulama ilerlemesini ve başarısız olursa hatalarını gösterir.

Yan yana iki model paketi

Her yükleme iki paketle de puanlanır ve iki sonuç da saklanır; böylece uygulamalar paketlerin nerede ayrıştığını gösterebilir. Öneriyi, yükleme sayfasında seçilen paket belirler.

Veri Toplama 1

Karar Ağacı (sulama) · Naive Bayes (azot)

Öznitelikler: DAS ve parselin NDVI ortalaması, maksimumu, minimumu, medyanı, kovaryansı ve aralığı. Bu modeller için bir doğrulama sonucu kaydedilmedi.

Veri Toplama 2

Extra Trees (sulama) · XGBoost (azot)

Öznitelikler: DAS ve parselin NDVI ortalaması, maksimumu, minimumu, standart sapması ve aralığı. 2025 ve 2026 verileriyle parsel bazlı 15 katlı çapraz doğrulama yapıldı: azot %51 (şans %33, p = 0,01), sulama %36 (p = 0,14).

Doğruluk ne anlama geliyor

Veri Toplama 2’nin sulama modeli şanstan ayırt edilemez; bu yüzden tek başına karar vermemelidir. Uygulama bunu sonuçlarının yanında belirtir. Azot modeli gübrelenmemiş parselleri iyi ayırır, ancak iki gübreli düzeyi karıştırır. Her iki sonuç da bu tarladaki bu iki sezon için geçerlidir; başka bir tarla veya yıl için bir şey iddia etmez.

Büyüme dönemleri ve NDVI aralıkları

Karar matrisi ve NDVI kontrolü, ekimden sonraki gün sayısına göre aynı beş buğday dönemini kullanır:

Çıkış ve kardeşlenme

DAS 0–50 · NDVI 0,15–0,60

Öneriler ürünün yerleşmesine odaklanır: yeterli su ve kardeş sayısını artırmak için erken gübreleme.

Sapa kalkma

DAS 50–110 · NDVI 0,40–0,85

Ürünün en çok besin istediği dönem: düşük su veya azot en acil öneriyi alır.

Başaklanma ve çiçeklenme

DAS 110–140 · NDVI 0,45–0,90

Su stresi tane kaybına yol açar; yapraklar sararmaya başlayabilir ve NDVI aralık içindeyse bu sorun sayılmaz.

Tane dolumu

DAS 140–165 · NDVI 0,30–0,80

Artık gübre verilmez; su kademeli olarak azaltılır. Aralık içindeki sararma doğal olgunlaşmadır.

Olgunlaşma

DAS 165+ · NDVI 0,10–0,55

Su da gübre de verilmez: ürün hasat için kurur.

NDVI aralıkları bilinçli olarak geniş tutulmuş buğday değerleridir ve henüz bu tarlaya göre kalibre edilmemiştir; modellerin gördüğü tarla geneli NDVI ortalaması yaklaşık 0,47’dir. Referans parsellerden her dönem için kalibrasyon planlanmaktadır.

Tarla sağlık puanı

Her parsel 100 puandan üç ceza düşülerek puanlanır: NDVI’nın dönem aralığının altında kalması için en fazla 50 puan (parselin kendi ortalaması ve yayılımından tahmin edilen sürekli bir ölçü), azot için en fazla 30 ve sulama için en fazla 20 puan (düşük düzey ağırlığın tamamına, orta düzey yarısına mal olur). Tarlanın puanı, puanlanabilen parsellerin ortalamasıdır.

  • Azot ve sulama cezaları modelin doğrulanmış doğruluğuyla ağırlıklandırılır: şansa beş puandan daha yakın bir model onda bir sayılır ve puanı neredeyse hiç değiştirmez. Kayıtlı doğrulaması olmayan modeller (Veri Toplama 1) tam sayılır; Veri Toplama 2’nin cezaları ise ayrıca modelin kendi cevabına verdiği olasılıkla ölçeklenir.
  • Başaklanmadan itibaren NDVI hâlâ dönem aralığının içindeyse düşük azot veya sulama düzeyi dörtte bir sayılır: düşük puan büyük olasılıkla olgunlaşmayla gelen sararmadır.
  • Parsellerin yarısından azı puanlanabildiğinde uygulamalar yanıltıcı bir puan yerine hiç puan göstermez.

Dil modeli katmanı bugün

Ocak raporunda Llama-3.3-70b-versatile modeli harici bir sağlayıcı üzerinden kullanılıyordu. O zamandan beri öneriler preunec’in kendi OpenAI uyumlu model ağ geçidi üzerinden, şu anda Google’ın Gemini 3.1 Flash-Lite (gemini-3.1-flash-lite) modeliyle üretiliyor. Model bir yapılandırma ayarıdır; yazılım değiştirilmeden değiştirilebilir.

  • Model sabit bir JSON yapısında yanıt verir (tarla durumu, su önerisi, gübre önerisi, akılda tutulacak bir not); böylece uygulamalar öneriyi güvenilir biçimde düzenleyebilir.
  • İstem, beş dönem için karar matrisini ve parselin NDVI değerlendirmesini içerir ve modele, döneme özgü doğal sararma için su veya gübre önermemesini söyler.
  • Ağ geçidinin hız sınırlarında beklenir ve yeniden denenir; yine de başarısız olan bir öneri sessizce atlanmak yerine uygulamada bildirilir.

Dönem aralıkları ve 2025 tarlası

2025 sezonunun her parseli, tam olarak uygulamanın değerlendireceği gibi değerlendirildi: her uçuştaki NDVI değeri, ekimden sonraki gün sayısına göre belirlenen dönem aralığıyla karşılaştırıldı.

Erken ekim
Ölçülen NDVI ve uygulamanın beklediği aralık, 2025 sezonu: Erken ekim0.00.20.40.60.81.04080120160200Ekimden sonraki gün0 g20 g10 g
Geç ekim
Ölçülen NDVI ve uygulamanın beklediği aralık, 2025 sezonu: Geç ekim0.00.20.40.60.81.04080120160200Ekimden sonraki gün10 g20 g0 g
Sayıları göster
Ölçülen NDVI ve uygulamanın beklediği aralık, 2025 sezonu
UçuşBlokEkimden sonraki gün0 g/m² N10 g/m² N20 g/m² NUygulamanın aralığıParseller: normal / izle / düşük
15 Nis 2025Erken ekim1240.580.840.830.45–0.9024 / 2 / 1
15 Nis 2025Geç ekim460.370.680.640.23–0.6827 / 0 / 0
18 Nis 2025Erken ekim1270.550.810.800.45–0.9024 / 2 / 1
18 Nis 2025Geç ekim490.350.640.620.26–0.7127 / 0 / 0
7 May 2025Erken ekim1460.350.640.630.33–0.8221 / 5 / 1
7 May 2025Geç ekim680.360.560.560.40–0.8520 / 3 / 4
4 Haz 2025Erken ekim1740.290.240.250.11–0.5627 / 0 / 0
4 Haz 2025Geç ekim960.310.520.440.40–0.8514 / 7 / 6
16 Haz 2025Erken ekim1860.160.100.100.10–0.5513 / 11 / 3
16 Haz 2025Geç ekim1080.080.150.110.42–0.870 / 0 / 27
  • Erken ekim: aralıklar uyuyor. Nisan ortasında 27 parselin 24’ü normal göründü; aralığın altında kalan üçü tam olarak gübresiz olanlardı: kontrol eksik azotu yakalıyor. 16 Haziran’da (186. gün) ürün hasat için kururken 14 parsel olgunlaşma aralığının altına düştü.
  • Geç ekim: aralıklar uymuyor. 16 Haziran’da, 108. günde uygulama büyüyen bir ürün bekliyor (sapa kalkma, NDVI 0,42–0,87), ancak geç buğday çok daha kısa bir sezondan sonra çoktan olgunlaşmıştı: 27 parselin tamamı düşük değerlendirilirdi. On gün önce 13’ü zaten öyleydi.
  • Bunun anlamı: dönemi yalnızca ekimden sonraki gün sayısıyla belirlemek, sıcak bir ilkbaharda geç ekilen ürünü yanlış okur. Aralıkların referans parsellerden her dönem için kalibre edilmesi gerekiyor; dönemin kendisi için de ekim tarihinden fazlası, örneğin ürünün biriktirdiği sıcaklık gerekiyor.

İlk Veri Toplama

Yazılım I’in puanlarını zamana duyarlı tarla önerilerine dönüştürmek

Yazılım II ne yapar

Otonom Karar Verme Modeli olan Yazılım II, Yazılım I’in analitik çıktısını uygulanabilir rehberliğe dönüştürür. Drone ölçümlerini durağan sayılar olarak değil, ürünün zaman çizelgesinin bir parçası olarak ele alır ve bunları çiftçi için somut öneriler içeren bir eylem planına çevirir.

Girdiler

Azot puanı

Yazılım I’den

Tahmin edilen besin durumu: 0, 10 ve 20 g/m²’ye karşılık gelen düşük, orta veya ideal.

Sulama puanı

Yazılım I’den

Tahmin edilen su stresi durumu: düşük, orta veya ideal.

Ekimden sonraki gün sayısı (DAS)

ürünün biyolojik saati

Bir sayaçtan fazlası: DAS büyüme dönemini, dolayısıyla ürünün neye ihtiyaç duyduğunu belirler. Aynı puanlar farklı dönemlerde farklı önerilere yol açar.

Büyüme Dönemleri (Zadoks’a göre)

Kararlar, tarlada ölçülen NDVI ve DAS verileriyle eşleştirilmiş Zadoks fenolojik ölçeğini izler; böylece her dönem varsayımlara değil kanıtlara dayanır.

Yerleşme ve kardeşlenme

DAS 40–50 · Zadoks 20–30

Kök yerleşimi tamamlanırken NDVI 0,55 civarındadır. Bu dönemdeki kararlar son başak sayısını doğrudan etkiler.

Hızlı büyüme ve sapa kalkma

DAS 50–110 · Zadoks 31–50

Ürün hızla biyokütle oluşturur ve en fazla kaynağa ihtiyaç duyar: müdahaleler en yüksek önceliği alır.

Çiçeklenme ve antez

DAS 110–140 · Zadoks 60–75

NDVI yaklaşık 0,75 ile zirve yapar ve verim potansiyeli belirlenir. Bu dönemde su veya besin stresine hiç tolerans yoktur.

Tane dolumu

DAS 140–165 · Zadoks 80–89

Besinler yapraklardan taneye taşındıkça NDVI 0,50’ye doğru geriler; müdahaleler seyrekleşir.

Hasada hazırlık

DAS 165+ · Zadoks 90+

NDVI 0,20’nin altına düşer. Bitki artık girdileri kullanamaz; bu yüzden öneri, su ve gübreyi kesip hasadı planlamaktır.

Karar Katmanı: Llama-3.3-70b-Versatile

Yazılım II, birden çok değişkeni aynı anda tartmak ve tarımsal ödünleşimleri yönetmek için Llama-3.3-70b-versatile dil modelinin akıl yürütme yeteneğini kullanır.

  • Bağlamsal değerlendirme: Yazılım I’in puanları, uzman bir danışmanın yapacağı gibi, mevcut büyüme döneminin riskleri ve fırsatlarına göre değerlendirilir.
  • Doğrusal olmayan ilişkiler: model, azot ile su arasındaki denge gibi bitki biyolojisi ile kaynak yönetimi arasındaki bağlantılar üzerine akıl yürütebilir.
  • Geliştirmeye açık: sıcaklık veya nem gibi yeni girdiler, sistemin çekirdeği değiştirilmeden daha sonra eklenebilir.

Karar filtreleri

Ekonomik öneri: hasat öncesi düşen NDVI doğal kabul edilir ve kullanıcı maliyetli, işe yaramayan tarla uygulamalarına karşı uyarılır. Zamana duyarlı öncelik: kritik dönemlerde küçük sapmalar bile yüksek öncelikli eylemlere dönüşür. Uygulama kontrolleri: erken gelişme döneminde model, aşırı sulamanın azotu kök bölgesinden yıkaması gibi birbirine ters işleyen uygulamalara karşı uyarır.

Sonuç

Yazılım II, Yazılım I’in teknik teşhisini stratejik rehberliğe dönüştürür. Verilerin ürünün biyolojisinden süzülmesi sayesinde üreticiye yalnızca uygulanmaya değer kararlar ulaşır; gereksiz gübreleme veya sulamaya karşı öneriler hem ekonomik tasarrufu hem de sürdürülebilir üretimi destekler.

İkinci Veri Toplama

2026 sezonunun Yazılım II’nin karar verdiği girdilerde neyi değiştirdiği ve her birine ne kadar güvenilebileceği.

İkinci veri toplamadan gelen yeni girdiler

Yazılım II kararlarını Yazılım I’in azot ve sulama düzeylerine göre verir. 2026 sezonundan sonra bu düzeyler, iki sezonun verisiyle birlikte yeniden eğitilen yeni modellerden gelir: 54 parselden 594 parsel ölçümü, 12 uçuş. Modeller bir web entegrasyon paketi olarak teslim edildi; uygulamada Veri Toplama 2 model paketidir.

Girdi

Tek uçuş

Uçuşun bölgesel istatistik tablosu (tüm parseller için tek dosya ya da parsel başına bir dosya) ve ekim tarihi (tarla için tek ya da parsel başına bir tarih). Uçuş tarihi dosya adından okunur.

Çıktı

Parsel başına

Ekimden sonraki gün sayısı, tahmin edilen azot düzeyi (0, 10 veya 20 g/m²) ve sulama düzeyi (%0, %50 veya %100), her biri her düzey için olasılığıyla birlikte, ve bir tahmine güvenilmemesi gerektiğinde bir uyarı.

Modeller

Test edilen 12 model arasından

Azot için XGBoost, sulama için Extra Trees; modelin hiç görmediği parsellerdeki doğruluğa göre, 15 test turunda seçildi. 12 modelin tamamı birbirine birkaç puan yakın sonuç verdi.

Ekilmemiş parseller

Tahmin yok

Ekilmeden önce görüntülenen bir parsel tahmin almaz; bu yüzden Yazılım II onun için öneri vermez. 2026’daki iki uçuş geç blok ekilmeden önce yapıldı; bu çıplak toprak ölçümleri eğitime dahil edilmedi.

Uygulamaya geçiş, Eylül 2026

Eylül 2026’nın ortasında yeni modeller, ilk aşama modellerinin yerine değil yanına, web ve mobil uygulamalara eklendi; böylece ikisi aynı yüklemeler üzerinde karşılaştırılabiliyor.

Her iki set de her yüklemeyi puanlar

Yeniden yükleme yok

Her parsel iki model setiyle de puanlanır ve iki sonuç da saklanır. Önceki yüklemeler, veritabanında zaten bulunan istatistiklerden yeni setle puanlandı.

Yüklemede seçilir

Web ve mobil

Yükleme sayfasında çiftçi “Veri Toplama 1” veya “Veri Toplama 2”yi seçer. Öneriler her zaman yükleme için seçilen seti kullanır; varsayılanı ve kullanıcıların değiştirip değiştiremeyeceğini sunucu yöneticisi belirler.

Yan yana

Sonuçlar sayfası

Sonuçlar sayfası setlerden birini ya da ikisini birlikte gösterir; ayrıştıkları parseller vurgulanır. Her setin kendi doğruluğu ve uyarıları sonuçlarının yanında gösterilir.

Yeniden üretilebilir

Sabitlenmiş kütüphane

Makine öğrenmesi kütüphanesi iki setin de kaydedildiği sürüme yükseltildi; otomatik bir test ilk aşama tahminlerini sabitler, böylece yükseltme onları fark edilmeden değiştiremez.

Her girdiye ne kadar güvenilebilir

Azot

%51 · şans %33 · p = 0,01

Gerçek ve tekrarlanabilir bir sinyal. Model gübre almamış parselleri güvenilir biçimde bulur (gübreli-gübresiz testinde %80; her zaman “gübreli” tahmini %67), ancak yarım dozu tam dozdan ayıramaz (%49, yazı tura): ürün iki dozda da aynı görünür. Bu veri için pratik üst sınır yaklaşık %67’dir.

Sulama

%36 · şans %33 · p = 0,14

Kullanılabilir bir sinyal yok: model şanstan ayırt edilemiyor. Her sulama düzeyi tarlada bir şeritti; bu yüzden su ve tarladaki konum aynı değişkendir (ρ = 0,94). Ayrıca yağmur ürünün su ihtiyacının çoğunu karşıladı: 2025’te %87, 2026’da %140 (620 mm’ye karşı 878 mm).

Aynı 15 turluk yöntemle sonradan ölçüldüğünde ilk aşama modelleri azotta %42, sulamada %35’e ulaşıyor. Yani ikinci aşama azot modeli hem şanstan hem de selefinden daha iyi; sulamada ise iki set de şans düzeyinde.

Bunun öneriler için anlamı

Yazılım II, azot sinyalinin güçlü olduğu yerde, yani gübresiz görünen bir parselde harekete geçebilir. İki gübreli düzey arasındaki farka ve sulama düzeyine hiç güvenmemelidir. Uygulamada Veri Toplama 2’nin sulama sonucu modelin kendi uyarısını taşır ve tarla sağlık puanında neredeyse hiç sayılmaz (Veri Toplama 1 modellerinin uygulamada kayıtlı doğrulaması olmadığından tam sayılırlar; sonradan ölçülen doğruluk orada henüz kullanılmıyor). Su için büyüme dönemi ve son yağışlar daha iyi bir rehberdir.

Puanlanan iki parsel

Tarla sağlık puanının bir Veri Toplama 2 uyarısını nasıl ele aldığı, analiz sunucusunun kendi koduyla iki örnek parsel üzerinden hesaplandı. İki parselde de aynı “düşük” azot ve sulama uyarısı var; farklı olan, NDVI değerlerinin büyüme dönemlerinin aralığına göre konumu.

Parsel A: sapa kalkma

80. günde NDVI 0,32 · puan 84,2

Dönemin 0,40 olan alt sınırının %20 altında; bu, 50 NDVI puanının %20’sine, yani 10 puana mal olur. Azot uyarısı 30 puanının 4,77’sine mal olur, çünkü model şanstan yalnızca kısmen daha iyidir ve uyarı için kendi olasılığı %60’tır. Sulama uyarısı 1 puana mal olur: o model şans düzeyindedir. Parselde müdahale gerekir.

Parsel B: olgunlaşma

175. günde NDVI 0,35 · puan 98,6

Olgunlaşma aralığının (0,10–0,55) içinde; bu yüzden aynı uyarılar yalnızca dörtte bir sayılır: toplam 1,44 puan. Uygulamalar bu parseli kırmızı–sarı–yeşil önem ölçeğinin dışında, mor renkte “muhtemelen olgunlaşıyor” olarak gösterir: önceki buğday sarısı sürüm orta önem olarak algılanıyordu.

  • Eylül’den önce kutucuk, herhangi bir sorunu olan her yükleme için %50 gösteriyordu: tarayıcıda sabit bir yer tutucu değerden hesaplanıyordu. Artık sunucuda hesaplanıyor ve dökümüyle birlikte döndürülüyor; böylece her değerin kaynağı izlenebiliyor.
  • Tarla özetlerinde ekimden sonraki gün sayısı uçuş tarihine değil bugünün tarihine göre (örneğin 641 gün) kaydedilmişti; artık kayıtlı değer yanlış olduğunda özetler yeniden oluşturuluyor.

Girdileri neler iyileştirir

  • Aynı türden daha fazla veri ya da başka bir algoritmanın yardımı olması beklenmez: eğitim parsellerini 24’ten 43’e çıkarmak azot doğruluğunu yalnızca 2,7 puan artırdı; NDVI’nın beş istatistiği esasen iki bilgi taşıyor: bir parselin ne kadar yeşil ve ne kadar homojen olduğu.
  • Uçuş içinde göreli NDVI: her parseli aynı uçuştaki diğer parsellerle karşılaştırmak testlerde azot doğruluğunu %49’dan %56’ya çıkardı. Girdi zaten bir uçuşun tüm parsellerini içeriyor; bu yöntem henüz teslim edilen modelin parçası değil.
  • Gelecekteki denemeler için: sulama düzeylerinin şeritler yerine tarlaya dağıtılması, sulama tarihlerinin ve miktarlarının kaydedilmesi, toprak nemi ölçümleri ve azot dozlarını ayırmak için NDVI’nın ötesinde spektral bantlar (örneğin kırmızı kenar).
  • Yazılımda: büyüme dönemi NDVI aralıklarını ve tarla sağlık ağırlıklarını tarım ortaklarıyla birlikte gözden geçirmek. İkisi de ilk sürümdür ve henüz tarla gözlemleriyle doğrulanmamıştır; bir parselin sağlıklı aralığın altında kalan payı da hâlâ drone görüntüsünden ölçülmek yerine istatistiklerinden tahmin ediliyor.

Veri Toplama 2 Yazılım Entegrasyon Raporu

Bu sayıların ardındaki analizin tamamı: test edilen modeller, nasıl seçildikleri ve doğruluğun neden artmadığı. Yazılım I sayfasında.

Raporlar