17 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 10 / 17
Yayın Design and implementation of a smart beehive and its monitoring system using microservices in the context of IoT and open data(Elsevier B.V., 2022-05) Aydın, Şahin; Aydın, Mehmet NafizIt is essential to keep honey bees healthy for providing a sustainable ecological balance. One way of keeping honey bees healthy is to be able to monitor and control the general conditions in a beehive and also outside of a beehive. Monitoring systems offer an effective way of accessing, visualizing, sharing, and managing data that is gathered from performed agricultural and livestock activities for domain stakeholders. Such systems have recently been implemented based on wireless sensor networks (WSN) and IoT to monitor the activities of honey bees in beehives as well. Scholars have shown considerable interests in proposing IoT- and WSN-based beehive monitoring systems, but much of the research up to now lacks in proposing appropriate architecture for open data driven beehive monitoring systems. Developing a robust monitoring system based on a contemporary software architecture such as microservices can be of great help to be able to control the activities of honey bees and more importantly to be able to keep them healthy in beehives. This research sets out to design and implementation of a sustainable WSN-based beehive monitoring platform using a microservice architecture. We pointed out that by adopting microservices one can deal with long-standing problems with heterogeneity, interoperability, scalability, agility, reliability, maintainability issues, and in turn achieve sustainable WSN-based beehive monitoring systems.Yayın Microservices-based databank for Turkish hazelnut cultivars using IoT and semantic web technologies(John Wiley and Sons Ltd, 2024-03-30) Aydın, Şahin; Aldara, DieaaInformation and communication technologies (ICTs) can play a crucial role in facilitating access to comprehensive information on the quality standards of Turkish hazelnut cultivars. In this regard, this study introduces a Hazelnut Databank System (HDS) that utilizes the microservices architecture, an integrated software system supported by the Internet of Things (IoT) and semantic web, to categorize Turkish hazelnut cultivars. The study focuses on developing microservices using various programming languages and frameworks. Specifically, C# on the.NET Core Framework was used for both microservices and the web-based application implemented through the ASP.NET Core MVC Framework. Mobile-based software applications were created using Xamarin. Forms, and the IoT application was developed using the Python programming language. The data storage is facilitated through the MS SQL Server database. Additionally, the study incorporates the implementation of a hazelnut species classification system using the DNN + ResNet50 machine learning model, achieving an impressive accuracy rate of 95.77%. The overall usability of the system was evaluated, resulting in a score of 42 out of 50. By providing detailed information on Turkish hazelnut cultivars, the HDS has the potential to greatly improve hazelnut production quality in Turkey and increase awareness of hazelnut agriculture among relevant stakeholders.Yayın Comparison of choreography vs orchestration based Saga patterns in microservices(Institute of Electrical and Electronics Engineers Inc., 2022) Aydın, Şahin; Çebi, Cem BerkeMicroservice Architecture (MSA) is a design and architecture pattern created to deal with the challenges of conventional software programs in terms of stream processing, highly available flexibility, and infrastructural agility. Despite the many advantages of MSA, designing isolated services using the autonomous Databases per Services paradigm is difficult. We realized that because each microservice will have its repository, ensuring data coherence between databases becomes difficult, especially in reversals, where operations transcend different sites. Distributed networked transactions and rollbacks can be efficiently handled using two-phase commitment methods in hardware virtualization using RDBMS databases. However, these approaches can't be used in micro-services with segregated NoSQL servers. Three issues have been addressed in this study: (i) investigate the implementation of event choreography and orchestration methods for the Saga pattern execution in MSA, (ii) existing reality suggestions on the saga pattern adoption and implementation besides the use cases, and (iii) introduce the disbursed transaction records and rollbacks challenges in isolated No-SQL databases with reliant collections in MSA.Yayın Designing a scalable agricultural information system for pest detection and decision support in hazelnut cultivation(World Scientific Publishing Company, 2025-11-12) Aydın, ŞahinThis study presents a microservices-based, multi-tiered information system to detect, monitör and manage pest species that cause yield losses in hazelnut production. The system integrates a deep learning model for classifying pest images submitted by field users, the generation of pest density maps and location-based early warning mechanisms for growers. Delivered through mobile, web and desktop platforms, the system enables data sharing among farmers, researchers and decision-makers, supporting agricultural decisions. Experimental findings show that the DNN+ResNet50 architecture achieved the highest accuracy (91.88%) among all tested CNN models. Performance evaluations indicated that the Authentication and Heatmap services sustained high stability under loads of up to 1000 requests, while the Bug Classification Service was reliable up to 750 requests before reaching a critical resource threshold. The usability test resulted in an overall score of 38 out of 50, with sub-scores of Appropriateness Recognizability (0.73, Acceptable), Learnability (0.71, Acceptable), Operability (0.65, Questionable), User Error Protection (0.86, Good), User Interface Aesthetics (0.83, Good) and Accessibility (0.74, Acceptable). With its robust technical architecture and practical implementation, the proposed system can generate economic, social and commercial outcomes. This study provides a software engineering-oriented approach to the digitalization of agricultural production and the sustainable management of pests.Yayın İnsansız hava aracı ve Sentinel-2 görüntüleri kullanılarak ayçiçeği haritalamasına dayalı kovan yerleştirme karar destek sistemi(BZT Turan Publishing House, 2025-12-31) Yelmenoğlu, Elif Deniz; Aydın, Şahin; Çavdaroğlu, Gülsüm Çiğdem; Deniz, Hüseyin; Pajenado, Rex S.; Dilli, ŞirinAyçiçeği, yüksek nektar üretim kapasitesi nedeniyle gezici arıcılık faaliyetleri açısından stratejik öneme sahip tarımsal bitkilerden biridir. Ayçiçeği ekim alanlarının mekânsal ve zamansal dağılımı, arı kolonilerinin beslenme olanaklarını ve dolayısıyla bal verimini doğrudan etkilemektedir. Bu nedenle, arı kovanlarının uygun alanlara ve doğru zaman dilimlerinde yerleştirilmesi, gezici arıcılığın verimliliği açısından kritik bir karar sürecini oluşturmaktadır. Ancak mevcut uygulamalarda, kovan yer seçimi çoğunlukla arıcıların bireysel deneyimlerine ve sezgisel yaklaşımlarına dayalı olarak gerçekleştirilmekte; uzaktan algılama, görüntü işleme ve mekânsal analiz gibi veri temelli yöntemlerden yeterince yararlanılmamaktadır. Bu durum, potansiyel olarak verim kayıplarına ve kaynakların etkin kullanılmamasına yol açabilmektedir. Bu çalışmada, ayçiçeği yoğunluğunun doğru ve güvenilir biçimde belirlenmesi yoluyla kovan yerleştirme planlamasını desteklemeyi amaçlayan, çok ölçekli bir uzaktan algılama tabanlı karar destek çerçevesi önerilmektedir. Önerilen yaklaşım, saha ölçeğinde yüksek mekânsal çözünürlük sağlayan insansız hava aracı (İHA) görüntüleri ile bölgesel ölçekte geniş alan kapsama imkânı sunan Sentinel-2 uydu görüntülerinin entegrasyonuna dayanmaktadır. Çalışma alanı olarak, Türkiye’nin önemli ayçiçeği üretim merkezlerinden biri olan Kırklareli ili seçilmiş; veri seti, nektar üretiminin en yüksek olduğu ayçiçeği çiçeklenme dönemi dikkate alınarak oluşturulmuştur. Ayçiçeği tespiti, makine öğrenmesi tabanlı Random Forest sınıflandırma yöntemi kullanılarak gerçekleştirilmiş ve geliştirilen model %90,7 genel doğruluk değerine ulaşmıştır. Sınıf bazlı performans değerlendirmelerinde ise, ayçiçeği ekili alanlar ile ayçiçeği olmayan alanlar için F1-skoru her iki sınıf açısından da 0,91 olarak hesaplanmıştır. Bu sonuçlar, modelin hem nektar açısından zengin ayçiçeği alanlarını hem de ayçiçeği bulunmayan bölgeleri güçlü ve dengeli bir şekilde ayırt edebildiğini göstermektedir. Elde edilen ayçiçeği yoğunluk haritaları temel alınarak, ayçiçeği oranının yüksek olduğu alanlar arı kovanı yerleştirilmesi için uygun bölgeler olarak tanımlanmış; ayçiçeği yoğunluğunun düşük olduğu veya hiç bulunmadığı alanlar ise kovan yerleştirilmesine uygun olmayan bölgeler olarak değerlendirilmiştir. Çalışmadan elde edilen bulgular, çok ölçekli uzaktan algılama verilerinin makine öğrenmesi yöntemleriyle bütünleştirilmesinin, gezici arıcılık uygulamalarında veri temelli, güvenilir ve ölçeklenebilir karar destek sistemlerinin geliştirilmesine önemli katkılar sağlayabileceğini ortaya koymaktadır.Yayın Yeni nesil yönetim bilişim sistemlerinde veri, sistem ve analitik bütünleşmesi(Serüven Yayınevi, 2025-12) Aydın, Şahin; Aydın, Mehmet Nafiz[No abstract available]Yayın Yönetim bilişim sistemleri perspektifinden tarımsal üretimde görsel analitik yaklaşımlar(YAZ Yayınları, 2025-12) Aydın, Şahin; Tokmak, Mahmut[No abstract available]Yayın Multi-product trend analysis, structural breaks, and 2030 projections of Türkiye’s agricultural imports: a policy-oriented evaluation(Liberty Publishing House, 2025-10-28) Aydın, Şahin; Büyükaslan, Hasan; Delen, Veysel; Gürbüz, HüseyinGiriş ve Amaç: Türkiye’nin tarımsal üretiminde son yıllarda artan dışa bağımlılık, ithalat verileri üzerinden daha net ortaya konulabilmektedir. Bu çalışma, Türkiye’nin farklı tarımsal ürünlerdeki ithalat trendlerini incelemek, kriz yıllarının etkilerini değerlendirmek, 2030 yılına kadar projeksiyonlar yapmak ve politika perspektifinden sonuçlar üretmek amacıyla hazırlanmıştır. Böylece gıda güvenliği ve sürdürülebilir tarım politikalarına yönelik çıkarımlar sunulmaktadır. Gereç ve Yöntem: Çalışmada Türkiye’nin 2000–2024 dönemine ait resmi ithalat verileri kullanılmıştır. Veriler yıllık bazda derlenmiş, ürün türlerine göre sınıflandırılmış ve istatistiksel analizlere tabi tutulmuştur. Zaman serisi yöntemlerinden Holt-Winters üstel düzgünleştirme modeli ile 2025– 2030 dönemi için projeksiyonlar yapılmış; ayrıca kriz yılları (2008, 2009, 2018, 2020, 2022) ayrı olarak değerlendirilmiştir. Ürünler arası karşılaştırmalarda ortalama ithalat miktarı ve varyasyon katsayısı hesaplanmıştır. Bulgular: Analizler, özellikle buğday, mısır, soya ve ayçiçeği gibi stratejik ürünlerde ithalat bağımlılığının giderek arttığını göstermektedir. Kriz dönemlerinde (2008 küresel kriz, 2018 kur şoku, 2020 pandemi, 2022 savaş) ithalat miktarları belirgin şekilde yükselmiştir. Projeksiyonlara göre 2030 yılına gelindiğinde buğday ithalatının 14,5 milyon tona, ayçiçeği ithalatının 6,3 milyon tona, mısır ithalatının 4,6 milyon tona ve soya ithalatının 3,7 milyon tona ulaşması beklenmektedir. Tartışma ve Sonuç: Sonuçlar, Türkiye’nin tarımsal ithalatında artış eğiliminin devam edeceğini ve özellikle kriz dönemlerinde dışa bağımlılığın daha da görünür hale geldiğini ortaya koymaktadır. Bu durum, gıda güvenliği açısından risk teşkil etmektedir. Çalışma, yerli üretim kapasitesini artırmaya yönelik politikaların önemini vurgulamakta; stratejik stok yönetimi, tarımsal Ar-Ge yatırımları, üretim ve tedarik çeşitliliği gibi önerilerin altını çizmektedir.Yayın IoT-based surveillance system for poultry farms using semantic web and deep learning(Plusbase Akademi Publishing, 2023-04-30) Aydın, Şahin; Jones, KarlPoultry diseases are among the most important problems encountered in poultry farming. Although detecting diseases before they infect all poultry seems to be a fundamental challenge, it is possible to detect poultry diseases in the early stages with an Internet of Things (IoT)-based surveillance system. IoT-based surveillance systems create an important opportunity to prevent the spread of diseases throughout the poultry house and to prevent the breeders from incurring financial losses. The internetbased surveillance system proposed within the scope of this study determines the presence of poultry and poultry species with the help of artificial intelligence (AI) and aims to prevent the spread of the disease to the entire poultry house by detecting diseased poultry with the data obtained from temperature sensors. The system will detect the presence of animals and the body temperature data of poultry in two different ways. The first is to detect the presence of the animal in the nests where the laying action is carried out using a weight sensor and to obtain the body temperature data of the poultry with a temperature sensor. Secondly, by using image processing techniques, it is to detect poultry roaming in the poultry house with a deep learning model and obtains body temperature data of poultry through infrared temperature sensors. The system will decide on the possible type of disease using ontologies related to poultry diseases according to the obtained body temperatures. As a result, this proposed system will enable early disease detection for poultry farms by using the perspectives of deep learning, semantic web, and ontology engineering disciplines, which are among the important fields of study in recent years.Yayın Yapay zekâ tabanlı yaklaşımlar ile canlı hayvan sayılarının bölgesel analizi ve öngörülmesi(Liberty Publishing House, 2025-11-18) Aydın, Şahin; Karadağ, Yaşar; Seydoşoğlu, SeyithanHayvancılık, Türkiye tarım ekonomisinin temel taşlarından biri olup gıda güvenliği, kırsal kalkınma ve ulusal ekonomi açısından kritik bir rol oynamaktadır. Talep yapısındaki değişimler, üretim pratiklerindeki dönüşümler ve iklim kaynaklı belirsizlikler karşısında, canlı hayvan sayılarının güvenilir şekilde öngörülmesi her zamankinden daha önemli hale gelmiştir. Ancak geleneksel tahmin yöntemleri, hayvancılığın bölgesel farklılıklarını ve doğrusal olmayan dinamiklerini yakalamada çoğu zaman yetersiz kalmaktadır. Bu çalışmada, Türkiye’de canlı hayvan sayılarının bölgesel analizi ve geleceğe yönelik projeksiyonlarının oluşturulmasında yapay zekâ tabanlı yaklaşımların potansiyeli araştırılmaktadır. Çalışmada kullanılan veri seti, resmi istatistiklerden elde edilen ve uzun yılları kapsayan bölgesel canlı hayvan sayılarından oluşmaktadır. Öncelikle Exponential Smoothing ve ARIMA gibi klasik zaman serisi modelleri temel senaryo olarak uygulanmış, ardından elde edilen sonuçlar yapay zekâ tabanlı yöntemlerle karşılaştırılmıştır. Random Forest algoritması ile doğrusal olmayan ilişkilerin yakalanması, LSTM (Long Short-Term Memory) modeli ile de zaman serilerindeki uzun dönem bağımlılıkların öğrenilmesi hedeflenmiştir. Tahmin performansı RMSE ve MAPE hata metrikleriyle değerlendirilmiştir. Bulgular, Türkiye’de canlı hayvan sayılarının bölgeler arasında belirgin farklılıklar gösterdiğini ortaya koymaktadır. Batı bölgelerinde sürekli artış eğilimleri gözlemlenirken, bazı bölgelerde durağanlık öne çıkmıştır. Yapay zekâ tabanlı modeller, kısa, orta ve uzun vadeli öngörülerde geleneksel yöntemlere kıyasla daha yüksek doğruluk sağlamıştır. Çalışma, yapay zekânın öngörü doğruluğunu artırarak sürdürülebilir hayvancılık yönetimine ve kırsal kalkınmaya yönelik kanıta dayalı politika geliştirme süreçlerine katkı sağlayabileceğini göstermektedir.
