Smart trap design with machine learning and embedded system structure makine öǧrenmesi ve gömülü sistem yapısı ile akıllı tuzak tasarımı

Abstract

© 2022 IEEE.It is very important to fight the Mediterranean fruit fly pest in orchards in our country. If this fight is not given, serious economic losses occur. Traps are currently being set up on trees to detect pests. It is important that these traps are checked by farmers at regular intervals in terms of pesticide applications of fruits. This process increases the workload of farmers. Therefore, a smart trap design that automatically detects the number of Mediterranean fruit flies is proposed in this study. The smart trap is implemented as an embedded system using the STM 32F746GDISCOVERY development board with an Arm Cortex M7 processor on it. Via the proposed system, quantitative data can be obtained about the population of Mediterranean fruit flies in the determined region. Machine learning is performed on the proposed embedded system. Therefore, a deep learning-based structure that can work on the embedded system has been designed. Obtained preliminary results indicate that the proposed system can be used for Mediterranean fruit fly detection and automatic determination of its number in a given region.Ülkemizde meyve bahçelerinde Akdeniz meyve sinegi˘ zararlısı ile mücadele çok önemlidir. Bu mücadelenin verilmemesi durumunda ciddi ekonomik kayıplar olu¸smaktadır. ¸Su anda zararlının tespit edilebilmesi için meyve agaçlarının üzerine tu- ˘ zaklar kurulmaktadır. Bu tuzakların düzenli aralıklarla çiftçiler tarafından kontrol edilmesi, meyvelerin ilaçlanma uygulamaları açısından önem arz etmektedir. Bu i¸slem çiftçilerin i¸s yükünü arttırmaktadır. Bu çalı¸smada, Akdeniz meyve sinegi zararlısı ˘ sayısını otomatik olarak tespit eden bir akıllı tuzak tasarımı önerilmi¸stir. Akıllı tuzak, Arm Cortex M7 i¸slemcisi barındıran STM 32F746GDISCOVERY geli¸stirme kartı kullanılarak gömülü sistem olarak gerçeklenmi¸stir. Önerilen sistem sayesinde belirlenen bölgede Akdeniz meyve sinegi zararlısının popülasyonu ˘ hakkında nicel veriler elde edilebilmektedir. Önerilen gömülü sistem üzerinde makine ögrenmesi yapılmaktadır. Bunun için gö- ˘ mülü sistem üzerinde çalı¸sabilecek derin ögrenme temelli bir yapı ˘ kurgulanmı¸stır. Elde edilen ön sonuçlar önerilen sistemin Akdeniz meyve sinegi tespiti ve belirli bir alandaki sayısının otomatik ˘ olarak bulunması için kullanılabilecegini göstermektedir.