Hybrid deep learning implementation for crop yield prediction

Abstract

Agriculture producers should be supported technologically in order to continue production in a waythat meets the worldwide food supply and demand. Automatic realization of crop yield estimationcalculation is a desired need of farmers. Automatic yield estimation also facilitates the work ofagricultural producers with different goals such as imports and exports. To achieve the statedobjectives, deep learning models have been developed that estimated yield using parameters such asthe amount of water per hectare, the average amount of sunlight received by the hectare, the amountof fertilization per hectare, the number of pesticides used per hectare, and the area of cultivation. Withthe hybrid model created by combining the strengths of the LSTM and CNN models developed withinthe scope of this article, the success rate of data prediction has increased with fine adjustments. Successrates of 89.71 R2, 0.0035 MSE, 0.0248 RMSE, 0.0461 MAE, and 10.10 MAPE have been achieved withthe Proposed hybrid model. This model is competitive with similar studies with the stated values.

Tarım üreticilerinin dünya çapındaki gıda arz ve talebini karşılayacak şekilde üretime devam edebilmesiiçin teknolojik olarak desteklenmesi gerekmektedir. Mahsul verim tahmini hesaplamasının otomatikolarak gerçekleştirilmesi, çiftçilerin arzu ettiği bir ihtiyaçtır. Otomatik olarak verim tahminigerçekleştirilmesi ithalat ve ihracat gibi farklı hedefleri olan tarım üreticisinin işlerini dekolaylaştırmaktadır. Belirtilen amaçlara ulaşabilmek için hektar başına su miktarı, hektar tarafındanalınan ortalama güneş ışığı miktarı, hektar başına verilen gübreleme miktarı, hektar başına kullanılanpestisit miktarı, ekim yapılan alan bölgesi parametrelerini kullanarak verim tahmini gerçekleştiren derinöğrenme modelleri geliştirilmiştir. Bu makale kapsamında geliştirilen LSTM ve CNN modellerinin güçlüyanları birleştirilerek oluşturulan hibrit modelde ile veri tahmin başarı oranının ince ayarlamalar ileartırılmıştır. Önerilen hibrit model ile 89.71 R2, 0.0035 MSE, 0.0248 RMSE, 0.0461 MAE, ve 10.10 MAPEbaşarı oranlarına ulaşılmıştır. Bu model, belirtilen değerlerle benzer çalışmalarla rekabet edebilirseviyededir.