BAĞCILIKTA DIJITAL DÖN܁ÜM: YAPAY ZEKA, UZAKTAN ALGILAMA, IOT VE OTONOM SISTEMLERIN ENTEGRE KULLANIMI

Creative Commons License

Doğan A., Güzel D. U.

EGE 14th INTERNATIONAL CONFERENCE ON APPLIED SCIENCES , İzmir, Türkiye, 23 - 29 Aralık 2025, cilt.2, ss.940-959, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Cilt numarası: 2
  • Basıldığı Şehir: İzmir
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.940-959
  • Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
  • Van Yüzüncü Yıl Üniversitesi Adresli: Evet

Özet

Bu derleme, üzüm yetiştiriciliğinde (bağcılık) dijital dönüşümü şekillendiren modern teknolojileri bütüncül bir yaklaşımla incelemektedir. Mekansal Karar Destek Sistemleri (MKDS), Yapay Zeka (AI), Makine Öğrenmesi (ML), Derin Öğrenme (DL), Uzaktan Algılama, İnsansız Hava Araçları (İHA), Nesnelerin İnterneti (IoT), otonom robotlar, büyük veri analitiği ve dijital ikiz teknolojisi gibi bileşenlerin bağcılıkta sunduğu olanaklar, güncel uluslararası literatür ışığında değerlendirilmiştir.

Çalışma, öncelikle bağcılığın mekansal değişkenliğe duyarlı yapısını ele alarak MKDS’nin bağ yeri seçimi, terroir analizi ve mekansal karar süreçlerinde sağladığı avantajları ortaya koymaktadır. Ardından, YSA ve CNN gibi derin öğrenme modellerinin hastalık tespiti, salkım sayımı, verim tahmini ve kalite değerlendirmesinde ulaştığı yüksek doğruluk oranları incelenmiştir. Uzaktan algılama indeksleri (NDVI, CWSI vb.) ile İHA görüntülerinin, bitki sağlığı izleme ve stres tespiti için sağladığı katkılar detaylandırılmıştır. IoT sensör ağlarının toprak, iklim ve bitki parametrelerini gerçek zamanlı izleyerek sulama, gübreleme ve hastalık yönetimi kararlarını optimize ettiği; otonom robotların ise budama, ilaçlama, hasat ve izleme gibi operasyonlarda iş gücü verimliliğini artırdığı gösterilmiştir.

Büyük veri analitiği ve dijital ikiz teknolojisi, bağcılıkta çok kaynaklı verilerin bütünleştirilmesi, senaryo simülasyonları ve proaktif yönetim stratejilerinin geliştirilmesi açısından kritik bir yenilik olarak değerlendirilmiştir. Çalışma ayrıca veri kalitesi, ekonomik fizibilite, kullanıcı kabulü ve veri güvenliği gibi uygulama zorluklarını tartışmakta; açıklanabilir yapay zeka, uç bilişim ve blokzincir entegrasyonu gibi gelecekteki araştırma yönelimlerini ortaya koymaktadır.

Sonuç olarak, yapay zeka tabanlı entegre sistemlerin bağcılıkta reaktif yönetimden proaktif, öngörüye dayalı ve sürdürülebilir bir üretim modeline geçişi hızlandırdığı; verim, kalite ve kaynak kullanım etkinliğini önemli ölçüde artırdığı görülmektedir.

This review provides a comprehensive and integrated analysis of the modern technologies driving digital transformation in viticulture. It examines the effectiveness and applicability of Spatial Decision Support Systems (SDSS), Artificial Intelligence (AI), Machine Learning (ML), Deep Learning (DL), Remote Sensing, Unmanned Aerial Vehicles (UAVs), Internet of Things (IoT) sensors, autonomous robots, big data analytics, and digital twin technologies in enhancing productivity, quality, and sustainability.

The study first highlights the spatial variability inherent in vineyard ecosystems and demonstrates how SDSS-integrated with Geographic Information Systems (GIS) and remote sensing-supports vineyard site selection, terroir characterization, and spatial decision-making. It then evaluates the performance of ANN- and CNN-based deep learning models in disease detection, cluster counting, yield prediction, and quality assessment. Remote sensing indices (e.g., NDVI, CWSI) and UAV imagery are shown to significantly improve plant health monitoring and stress detection. IoT sensor networks enable real-time monitoring of soil, climate, and plant parameters, optimizing irrigation, fertilization, and disease management, while autonomous robots enhance labor efficiency in pruning, spraying, harvesting, and monitoring tasks.

Big data analytics and digital twin systems are identified as emerging pillars of predictive and scenario-based vineyard management, enabling multi-source data integration, simulation, and proactive decision-making. The review also discusses key challenges-including data quality, economic feasibility, user acceptance, and data security-and outlines future research directions such as explainable AI, edge computing, and blockchain integration.

Overall, the findings demonstrate that AI-driven integrated systems are accelerating the transition from reactive to proactive, predictive, and sustainable vineyard management, significantly improving yield, quality, and resource-use efficiency.