EUVIMEDOpdag EUVIMED
Crossref

Arı Kovanında Kraliçe Arının Yokluğunun Tespit Edilmesinde Makine Öğrenmesi Yöntemlerinin Araştırılması

Yalçın İşler, Mustafa Yeniad, Yakup Kutlu

Black Sea Journal of Engineering and Science · 2026-03-15 · 9 (2) · 788-796

DOI: 10.34248/bsengineering.1852571 ↗

At a glance

Journal article in Black Sea Journal of Engineering and Science, published online on 2026-03-15. Written by Yalçın İşler and 2 co-authors. Cited 1 times so far (Crossref); 46 references. Funded by: Yoktur..

AbstractBibliografiske oplysningerCiteRelated studies

Abstract (original language)

Bal arısı kolonisinde kovan düzenini sağlamak kraliçe arının sorumluluğundadır. Kraliçe arının kovanda bulunmaması veya görevini yerine getiremez hale gelmesi durumunda, kovan düzeni ve bal üretimi sekteye uğrar. Bu nedenle, kovanda kraliçe arının varlığının sürekli olarak denetlenmesi gerekir. Son yıllarda farklı alanlarda yürütülen yapay zeka çalışmalarındaki umut vadedici sonuçlar elde edilmektedir. Bununla birlikte kraliçe arının varlığının veya yokluğunun tespit edilmesi için literatürde az sayıda yapay zeka çalışması yapıldığı görülmektedir. Bu çalışmada, arıların çıkardığı seslerin farklı makine öğrenmesi algoritmaları incelenmesi ve böylece kraliçe arının kovanda bulunup bulunmadığının tespit edilmesi amaçlanmaktadır. Kovanlardan kaydedilen seslerden Hızlı Fourier Dönüşümü ve Mel Frekansı Kepstral Katsayıları yöntemleri ile öznitelikler çıkarılmıştır. Daha sonra bu sinyal işleme yöntemleri ayrı ayrı ve birlikte olmak üzere, istatistiksel anlamlılıkları, temel bileşen analizi ile %95 ve %99 varyansın açıklandığı durumlar için 18 farklı öznitelik kombinasyonu oluşturulmuştur. Bu öznitelik kombinasyonları literatürde sık kullanılan 8 farklı sınıflandırıcı algoritmasının (Karar Ağacı, Doğrusal Ayraç Analizi, Lojistik Regresyon, Naive Bayes, Destek Vektör Makineleri, K Yakın Komşu, Topluluk Öğrenmesi ve Çok Katmanlı Algılayıcı) girişine uygulanmıştır. En yüksek sınıflandırıcı başarımına Mel Frekansı Kepstral Katsayıları'ndan %99 varyansın açıklandığı temel bileşen analizi öznitelikleri ile Karar Ağacı algoritmasında %92,59 doğruluk ile elde edilmiştir. Sonuç olarak, literatürdeki benzer çalışmalarla yakın başarıya Raspberry PI ve ESP32 gibi elektronik kartlara yerleştirilebilecek basitlikteki algoritmalarla ulaşılmıştır.

Funding

  • Yoktur.

Cite

APA

İşler, Y., Yeniad, M., & Kutlu, Y. (2026). Arı Kovanında Kraliçe Arının Yokluğunun Tespit Edilmesinde Makine Öğrenmesi Yöntemlerinin Araştırılması. Black Sea Journal of Engineering and Science, 9(2), 788-796. https://doi.org/10.34248/bsengineering.1852571

Vancouver

İşler Y, Yeniad M, Kutlu Y. Arı Kovanında Kraliçe Arının Yokluğunun Tespit Edilmesinde Makine Öğrenmesi Yöntemlerinin Araştırılması. Black Sea Journal of Engineering and Science. 2026;9(2):788-796. doi:10.34248/bsengineering.1852571

BibTeX
@article{ler2026,
  author = {İşler, Yalçın and Yeniad, Mustafa and Kutlu, Yakup},
  title = {Arı Kovanında Kraliçe Arının Yokluğunun Tespit Edilmesinde Makine Öğrenmesi Yöntemlerinin Araştırılması},
  journal = {Black Sea Journal of Engineering and Science},
  year = {2026},
  volume = {9},
  number = {2},
  pages = {788--796},
  doi = {10.34248/bsengineering.1852571}
}
Start for free →