Умная теплица на ардуино: Умная теплица на Arduino с управлением/мониторингом по GSM/GPRS

Содержание

Умная теплица на базе arduino из подручного материала с регулятором температуры

Дорогие читатели представляю вашему вниманию детский проект под моим руководством «Smart greenhouse».

Данному проекту уже три года, но он полностью функционирует и до сих пор даёт урожай в домашних условиях.

Техническая структура теплицы

Материал – картон, пластик прозрачный и не прозрачный, пищевая плёнка, удобрение.
Электронная начинка – Arduino Uno, DC двигатель (водяная помпа), светодиоды, двухканальный модуль реле 5В, керамический нагреватель, кулер, блок питания на 12 В и 60 Вт, датчик влажности почвы, датчик температуры и влажности воздуха.

Как показало время — выбранный материал оправдал все идеи.
В качестве ёмкостей для выращивания урожая использовали коробки из под обуви (мужская детская обувь).
Коробки были покрыты изнутри акриловой краской, которую часто используют в декоративных целях. После высыхания краски, каждая коробка было покрыта изнутри и снаружи пищевой плёнкой. Коробки прикручены к фанере, которая является соединительной опорой двух коробок. Для прочности конструкции, фасад теплицы был обклеен пластиковыми футлярами из под CD дисков (набралось огромное количество не нужного софта, музыки и фильмов). Клей использовали двух видом — клей момент кристалл для крепления к коробкам термоклей для заливки места стыков пластика.

Для того, чтобы было освещение в любую погоду построили рамку, где закрепили светодиоды (лучше ультрафиолетовые) — расстояние между ними не более 5 см на высоте не менее 25 см. Рамка создана из пластиковых уголков, которых полно в строительных магазинах.

К данной рамке закрепили пластиковую трубку диаметром 1,5 см (дети принесли, от какой то конструкции), где просверлили множество отверстий (до 3мм в диаметре) с одной стороны трубки, расстояние между отверстиями не менее 3 см.

Так как растениям нужен ультрафиолет, и его очень много от естественного освещения, то принято решение сделать прозрачные стенки. Так как стекло поглощает ультрафиолет, взяли пластик от тех же футляров из под компакт дисков.

Так как растения могут быть разной высоты, то одну из сторон было решено сделать выше на один футляр. Крышка также сделана из футляров и спокойно может открываться.

Для скрепления применяли те же клеи, что описаны были ранее. Для прочности к краям приклеены деревянные рейки, купленные в строительных магазинах.

Места стыка крышки и стенок покрыли теплоизоляцией — получилось немного коряво, но я старался не вмешиваться в процесс творчества детей — это их проект и они должны получить личный опыт в разработке проекта.

Теперь настало время проектировки электроники в теплицу.

Задачи

Разработка структуры «Умной теплицы»
Разработка ПО по ручному управлению и автономной работе проекта, отвечающего поставленным задачам.
Электромонтаж проекта «Умная теплица» — автономное и автоматическое отслеживание состояния влажности почвы и воздуха, температуры воздуха в теплице, автоматический полив (увлажнение) почвы и нагрев воздуха до комфортной, растениям, температуры, автоматическое освещение.
Разработка модели с возможностью реализации её любому человеку и для любых природных условиях по выращиванию растений любого вида.

Возможности модели

Автоматическое управление освещением
Автоматическое управление поливом.
Автоматическое регулировка температуры и влажности воздуха и почвы.

Описание принципа работы

Датчики влажности почвы и датчик температуры и влажности воздуха каждую секунду отслеживают показания. Данные показания обрабатываются в плате Arduino Uno и выдаются команды согласно загруженной в неё программе.

Программа содержит два условия и бесконечный цикл. Если температура воздуха меньше 20 градусов по Цельсию, то подаётся команда на включение через электромагнитное реле керамического нагревателя и кулера. Под действием конвекции воздух начинает равномерно прогреваться, когда воздух прогреется до 21 градуса по Цельсию, то подаётся команда на отключения нагревателя через реле.

Если влажность почвы будет выше установленного значения, то также подаётся команда на реле, где запускается насос для полива растений и увлажнения почвы, пока не понизится до нужного значения.

В данном проекте есть керамический нагреватель — его мы прикрутили к радиатору с кулером, чтобы нагретый воздух быстрее циркулировал. По идеи в помещении для большинства растений он не нужен, за исключением тропических видов.

На видео показана работа теплицы

На сегодняшний день теплица выполняет свою функцию, хорошо получается вырастить капризные растения. Сейчас идёт модернизация её управления и улучшения качества.

Всё дорожает и фрукты с овощами тоже. Выращенный томат, огурцы и сладкий перец намного вкуснее магазинных. Очень насыщенный вкус. Попробуйте, не пожалеете.

Больше интересных проектов можно посмотреть здесь.

Умная теплица, управляемая автоматикой на Arduino с интерфейсом Blynk

Данная статья – не просто список инструкций по повторению моего умного парника, я постарался сделать настоящую презентацию автоматики для теплиц, чтобы вдохновить вас.

Я хотел сделать своими руками такую умную теплицу на микроконтроллере, в которой растения не высохли бы без присмотра в течении нескольких дней. Два главных фактора жизнедеятельности растений в теплице – вода и температура, поэтому упор в схеме контроля был сделан на эти факторы.

Краткое описание системы:
Дождевая вода собирается с крыши и хранится в баках. В одном дождевом баке установлен погружной насос. Он перекачивает воду в подпиточный бак в теплице. В подпиточном баке установлены 7 насосов, осуществляющих непосредственный полив растений.

Все растения посажены в горшки, каждый из семи насосов соединен с четырьмя горшками. В каждой группе из четырех горшков в одном расположен датчик влажности почвы, передающий данные на модуль Arduino. В приложении на своем телефоне я могу установить значение уровня влажности, при котором будет производиться автоматический полив этих четырех горшков.

В теплице установлены два температурных датчика. Если становится слишком жарко, включается вентилятор, подающий прохладный воздух снаружи в теплицу (в крыше теплицы также имеются форточки автоматического проветривания). Если температура опускается слишком низко, начинает работать небольшой обогреватель внутри теплицы, который не дает растениям замерзнуть.

В следующих пунктах я объясню основные моменты работы разных частей системы.

Шаг 1: Дождевые баки

У меня есть два бака для сбора дождевой воды, подсоединенные к водостоку. В баках установлена автоматическая защита от перелива, требующая выставления уровня наполненности. Баки соединены между собой шлангом, таким образом, между ними осуществляется сифонный водосброс, чтобы достичь одинакового уровня воды в обоих баках.

В баке, ближайшем к теплице, установлен погружной насос и ультразвуковой датчик, измеряющий расстояние до поверхности воды. Они соединены с модулем Arduino, находящимся в теплице, и отправляющим данные на мой телефон. Измерение расстояния до поверхности также не даст насос включиться, если уровень воды ниже водозаборника.

Шаг 2: Подпиточный бак

Насос подает воду из дождевого бака в подпиточный, находящийся в теплице. В нем установлены семь насосов от дешевых стеклоомывателей. Ультразвуковой датчик контролирует уровень наполненности бака, я задал границы 50% и 75% для автоматического режима. Наполнение происходит из бака с дождевой водой.

Насосы 1-4 соединены с группами из четырех горшков, насосы 5 и 6 запасные, а насос 7 соединяется с насадкой увлажнителя. Последнее я сделал в порядке эксперимента, преследуя следующие цели: первая — охлаждение воздуха, и вторая — повышение влажности, что очень нравится огурцам.

Шаг 3: Датчики влажности почвы в горшках

Датчики влажности почвы собирают и отправляют данные каждые полчаса. Заданное значение и данные с датчиков отражаются на экране телефона, с телефона я также могу менять настройки.

Шаг 4: Турбулентная стойка в горшке

Шланги идут от насоса к турбулентным стойкам в четырех горшках.

Шаг 5: Вентилятор

Работа вентилятора зависит от заданной величины в телефоне и контролируется ШИМом (Широтно-Импульсным Модулятором), в зависимости от того, насколько выше актуальная температура, чем заданные значения.

Шаг 6: Датчики температуры

Для измерения температуры я установил два однопроволочных датчика DS18B20, один наверху, другой внизу. Данные с них передаются каждые десять минут. В зависимости от показаний, я включаю вентилятор или обогреватель.

Шаг 7: Увлажнитель

Распыляющая насадка для повышения влажности воздуха и охлаждения, если вентилятор не справляется.

Шаг 8: Система контроля Arduino

Сейчас я не буду давать управляющую программу для Arduino, пока прикладываю фото соединения платы с различными реле и иже с ними. Такая путаница в проводах вызвана изменениями, которые я вносил после каждого испытания.

Шаг 9: Интерфейс Blynk

Прилагаю картинки интерфейса для автоматизации теплицы. Он сделан с помощью приложения Blynk.

Первая картинка: показана индикация низкого уровня воды в баках или ошибка сигнала. В обоих случаях я останавливаю насосы. А также график истории данных об уровнях воды в обоих баках.

Вторая картинка: данные мониторинга температуры, также с графиком истории данных. Здесь видны заданные значения максимума и минимума температуры в теплицы. Показаны средние показатели температур вместе с процентами мощности работы вентилятора, когда температурные показатели превышают заданные значения. Также можно увидеть, работает ли обогреватель.

Третья картинка: данные датчиков влажности почвы и заданное значение начала полива. Отсчет времени до следующего измерения, интервал 30 мин. График истории измерений с полученными показаниями.
Четвертая картинка: возможность управлять работой насосов напрямую с телефона, в основном, в целях отладки. Также здесь я могу переводить части системы в автоматический режим. И устанавливать длительность сеансов полива.

Pumps Auto: насос дождевого бака и насосы подпиточного бака переходят в автоматический режим, то есть вода наполняет подпиточный бак, растения поливаются.
Watering 13:00 (полив 13:00): в автоматическом режиме растения поливаются раз в день, в 13:00.

Cooling Auto (автоматическое охлаждение): вентилятор находится в автоматическом режиме и начнет работать, когда температура поднимется выше заданного значения. Чем выше будет подниматься температура, тем выше мощность работы вентилятора.

Heater Auto (автоматический обогрев): обогреватель находится в автоматическом режиме и начнет работать, как только температура опустится ниже заданного значения. Гистерезис составляет 1°, то есть обогреватель отключится, как только температура превысит заданное значение на 1 градус.

Умная теплица на Ардуино своими руками: подробное описание

Автоматизация вездесуща. Различные механизмы создают комфортные температурные условия, помогают при готовке пищи, ухаживают за одеждой, включают и гасят свет, а также поддерживают чистоту помещения. Но использование их не ограничивается бытом человека. Вообще во всем окружении, на улице или производстве, при перевозках чего-либо, в магазинах или сельском хозяйстве — везде работают незримые помощники.

С развитием технологической базы вырастает и уровень автоматизации. Сейчас роботы или механизмы выполняют не просто последовательность заложенных действий. Их устройство теперь позволяет осуществлять своеобразный «выбор», в зависимости от изменившихся внешних условий. Самый простой пример — стиральная машина. Ее внутренняя начинка определяет температуру воды и при необходимости подогревает ее, следит за временем стирки и правильностью текущих циклов выполнения.

Кроме уже описанного, в нашу жизнь вошли «умные» дома, города, кварталы или улицы. Главное отличие их от обычных — присутствие взаимосвязанных между собой систем управления. Каждая из которых контролирует одно устройство из присутствующих в комплексе. Но, работу всех их определяет общая система, отправляя сведения необходимые для функционирования или указывающие команды.

Одной из относительно редко использующихся схем интеллектуального управления можно назвать применение его в сельском хозяйстве, а конкретно для полной автоматизации парников или аппаратуры ухода за растениями. Собственно, как может быть подготовлена и собрана умная теплица на Ардуино своими руками будет рассказано далее. Сделать это вполне по силам и относительно разбирающемуся в электронике человеку.

Общие сведения об управляющих системах

Интеллектуальность современного оборудования обеспечивается микроконтроллерами. Это небольшие и ограниченные по ресурсам полноформатные компьютеры, зачастую размещенные на одной плате или микросхеме. Несмотря на свои маленькие размеры их мощности вполне достаточно для того, чтобы управлять различным оборудованием. Информацию, необходимую для выполнения своих функций, такие микрокомпьютеры получают посредством различных специализированных датчиков. Общее нахождение устройств в единой сети обеспечивается посредством дополнительных присоединяемых к микроконтроллеру модулей.

Выполняя свою программу, интеллектуальные устройства, выдают управляющие импульсы на исполняющие цепи включающие двигатели, насосы, нагреватели или любые другие устройства для управления которыми и создается вся система.

Основой многих из подобных комплексов составляют контроллеры серии Arduino, STM, Ti MSP430, Netduino, Teensy, Particle Photon, ESP8266 или иных распространенных плат такого типа в мире. Кроме того, некоторые специалисты создают свои варианты микро — компьютеров, управляющих оборудованием — на основе устаревших ПК или каких-либо 8 разрядных процессоров, к примеру, Z80.

Чего бы хотелось

Наибольшее желание любого огородника — получать максимальный урожай при минимальных затратах труда. Одним из вариантов решения этой проблемы становятся теплицы. Но и в таком случае хочется, чтобы в ней самостоятельно грядки поливались, освещались, и обогревались, когда нужно. Ну и конечно, была организована автоматическая система вентиляции, для минимизации усилий по открыванию и закрыванию форточек.

Если для вас данный функционал слишком большой, то можно собрать автоматический полив в теплице своими руками, тогда вам не придется сильно углубляться в программирование и разработку.

Мониторинг и настройка

Конечно, в первую очередь, требуется система управления всем этим высокоинтеллектуальным хозяйством. Кроме того, желательно получение информации о текущем состоянии напрямую или на домашний компьютер, или на смартфон. С этой целью будет использоваться контроллер для теплицы на Arduino.

Управление

В соответствии с желаниями, необходимо организовать автоматическое управление отоплением пола (как основы подогрева посадок), открытия форточек, увлажнением почвы. Хороша будет система контроля освещения, которая зажигает его, если на улице темно.

Реализация в «железе»

Ничего сложного в реализации проекта нет. Достаточно применить плату Arduino, в комплексе с несколькими датчиками (влажности, температуры, освещенности, наполнения бака полива и концевых контактов окон проветривания), а также парой двигателей для вентиляции и смонтировать систему «теплый пол».

Но сначала требуется сделать саму теплицу. Для основы была создана такая модель:

Вот ее перенос в реальность:

Мониторинг и настройка

Визуализация информации, а также пункты меню настройки выводятся на LCD1602 дисплей, с конвертором в IIC/I2C UC-146 для подключения его к Arduino.

Для выбора параметров используются 4 клавиши. Все это вместе желательно разместить в общем контрольном ящике.

Кроме визуального, для удаленного контроля будет использоваться модуль WIFI связи ESP8266 LoLin NodeMCU2, с помощью которого информация с использованием UDP протокола будет передаваться на домашний компьютер с настроенным web-сервером и базой данных. Которые впоследствии, можно будет получить на любом устройстве в общей сети — смартфоне, цифровом телевизоре или планшете.

Подключаться модуль к ардуино уно будет через серийный порт (RX/TX). Причем электрический контакт производится напрямую TX(модема)-TX(Arduino) и RX аналогично. Почему это важно — зачастую рекомендуют делать соединение перекрестным RX-TX. В прилагаемой схеме это не нужно.

Полив

Система полива работает на основе физических принципов и насоса, который функционирует определенное время. Периодом и началом которого управляет Ардуино. С утра бак наполняется водой, что ограничивается временем в управляющем скетче и датчиком на прилагаемом чертеже. В течение дня она прогревается воздухом в теплице. Вечером происходит кратковременное включение насоса, который слегка переполнив емкость запускает полив самотеком.

Так он выглядит в реальности (вместе с системой подачи воды на грядки):

Его схема работы:

Ночью бачок стоит пустым, чтобы в случае отключения обогрева и падения температуры воздуха ниже нуля его не сломало замерзшей водой.

Отопление

Подогрев земли сделан предварительной укладкой «теплого» пола под будущие грядки. Включение происходит через специальное реле на 30 А, так как мощности выдаваемой ардуино никогда в жизни бы не хватило для питания такого потребителя.

Кроме него используется обычный бытовой нагнетатель теплого воздуха, который позволяет нагреть внутреннее пространство теплицы. Он также подсоединяется к микроконтроллеру.

Вентиляция

Для обеспечения движения воздуха предусмотрены два поворотных окна, процесс открытия и закрытия которых выполняется двигателями от автомобильных дворников. В свою очередь, подключённых к Arduino.

Освещение

Чтобы обеспечить растения постоянным притоком света, используются китайские светодиодные ленты, которые включаются в зависимости от таймера и уровня освещенности.

На приведенной ниже схеме оно подключается к выводам резерв (освещение).

Управляющая электрическая схема

Ну и конечно самая главная часть — принципиальная схема «мозгов» всей этой конструкции.

Маленькое примечание: мощности для обогревателей (воздуха и почвы) у реле Arduino не хватает. Дополнительно к ним используются в качестве посредников токовые, высокоамперные варианты, подключаемые уже непосредственно к потребителям.

Программная часть

С оборудованием все понятно. Осталось разобраться с программами, которые им управляют и контролируют состояние всей системы. Так как в комплексе есть два высокоинтеллектуальных устройства — ESS8266 и сам Arduino. Соответственно для обоих нужны свои программы. Помещение их в память устройств, в обоих случаях производится через Arduino IDE.

Мониторинг

Скетч, который необходимо выгрузить в ESP8266 LoLin NodeMCU, для обеспечения его связи с Arduino и WiFi роутером.

Скачать скетч

Управление

Ну и в финале, большой скетч управления самой теплицей, который выгружается в Arduino.

Скачать скетч

Замечания по конструкции

Датчик DN11 желательно заменить на DN22, который хоть и стоит дороже, но более точен и функционирует без проблем свойственных своему младшему тезке. Для питания контуров управления можно использовать компьютерный блок питания, желательно форм-фактора AT.

Советуем прочитать: переходите по ссылке, если хотите узнать как подключить датчик влажности почвы к Arduino.

Заключение

Как видно из всего выше сказанного создать у себя на участке умную теплицу не так уж и сложно. Какие-то элементы можно убрать, что-то можно добавить, но после проделанной работы важно одно — вы получите у себя на участке функциональную теплицу, которая будет вас радовать урожаем и сама за собой следить, вам останется только провести посадку и ждать урожая.

Видео по теме

Facebook

Twitter

Мой мир

Вконтакте

Одноклассники

Строим умную теплицу на Ардуино-Мега. Часть 2

Как я уже писал в прошлой части, изначально настройка параметров теплицы с кнопочек с отображение на дисплее не планировалась, поэтому я предусмотрел кнопки и переключатели в ящике.

Все это можно было тоже реализовать программно, но раз уже сделал, то они сохранили свою функциональность:

— переключатель обогрева почвы (обогрев отключен / включен автоматический обогрев),
— переключатель обогрева водуха (обогрев отключен / включен автоматический обогрев),
— трехпозиционный переключатель открывания окон (автоматика отключена, окна открыты / автоматическое управление окнами / автоматика отключена, окна закрыты),
— кнопка набора воды в бак,
— кнопка полива,
— переключатель режимов полива (один раз в день / два раза в день)
— кнопка включения подсветки дисплея, установленная сверху ящика. Включает подсветку на 30с.

Сразу понятно, что все это для случаев, если вдруг что-то пойдет не так с автоматикой.
Теперь о настройках, которые можно установить с кнопок на панели. Этой зимой, постаравшись максимально сымитировать теплицу, работал над написанием кода для лежащего на столе ящика.

Итак, основное меню состоит из 3-х пунктов:
1. Меню настроек.
2. Установка даты-времени.
3. Тестовая программа для концевиков и моторов открывания окон.

С установкой даты и времени все понятно. Тестовая программа — чтобы подключить окна, погонять их с помощью кнопочек, проверить как закрываются, правильно ли подключил, настроить сработку концевиков и т.д.

В меню настроек можно установить следующие параметры:

1. Время полива.
2. Время второго полива (если включен режим полива 2 раза в день)
3. Время набора воды.
4. Температура открытия окон.
5. Температура закрытия окон.
6. Температура включения обогрева почвы.
7. Температура отключения обогрева почвы.
8. Температура включения обогрева воздуха.
9. Температура отключения обогрева воздуха.

Жена сказала, что поскольку нет никакого резервирования и защиты, если концевики не сработают, нужно еще установить предельное для работы насоса и моторов окон. Это было правильное и справедливое замечание, поэтому пришлось ввести и такие настройки:

10. Предельное время работы мотора открывания окна 1.
11. Предельное время работы мотора открывания окна 2.
12. Предельное время работы мотора закрывания окна 1.
13. Предельное время работы мотора закрывания окна 2.
14. Предельное время работы насоса.
15. Время работы насоса для запуска полива.

Теперь для иллюстрации работы меню предлагаю посмотреть небольшое видео:,/p>

Несмотря на то, что снег еще у нас в середине апреля еще лежал, я установил блок управления в теплицу и подключил обогрев почвы (теплый пол) пока без автоматики и обогрев воздуха обогревателем с автоматическим управлением. По прошествии недели, что почва прогрелась до 30 градусов, на момент осмотра обогреватель отключен, температура воздуха 22 градуса — солнце уже работает как надо.
Кроме того, 15 апреля я включил автопроветривание, чтобы понаблюдать за его работой. Как работает автопроветривание можно также посмотреть на видео:

Попробовал следующие настройки:

— открывание окон 25 градусов;
— закрывание окон 21 градус;
— включение обогревателя 18 градусов;
— выключение обогревателя 20 градусов.

Настройки оказались неоптимальными. То есть на улице температура 8 градусов и ветер. Примерно каждые 20 минут температура в теплице достигала 25 градусов, окна открывались, теплица быстро проветривалась, окна при 21 градусе начинали закрываться, пока закрывались, температура падала еще ниже, поэтому сразу после закрытия окон на 5 мин. включался обогреватель.

Изменил настройки:

— открывание окон 28 градусов;
— закрывание окон 22 градус;
— включение обогревателя 16 градусов;
— выключение обогревателя 19 градусов.

Все устаканилось, теплица перестала хлопать окнами. Возможно надо установить еще датчик температуры на улице и коррелировать как-то управление температурой в теплице, основываясь на его показаниях.

В течение двух недель в теплице не только тестировалась система автоматического поддержания температуры, но и в 20-х числах апреля были высажены огурцы. Теперь расскажу об автоматическом поливе. Его конструкция в моей теплице выглядит примерно так:>

Из большого бака раз в день в определенное время ( настраивается с помощью меню ) вода наливается в бак, расположенный в теплице, с помощью насоса. В моем случае в 10-00. Количество воды определяется срабатыванием поплавкового датчика. На всякий случай через меню можно настроить предельное время работы насоса ( защита от несработки датчика. Итак, вода налилась:

После этого вода в баке весь день греется в теплице, в которой тепло. А вечером, у меня настроено в 19-00, насос включается на 40 секунд, вода переливается и уже самотеком, по закону сообщающихся сосудов, выливается на грядку:

Как я настраивал автоматический полив, тоже можно увидеть на видео:

В начале мая температура несколько ночей опускалась до -8С. Обогреватель работал, в теплице температура была не ниже +12С, температура почвы +20С. Работа в таком режиме выявила недостаток китайских реле. Несмотря на то, что в характеристиках заявлено 10А 250В, а обогреватель 1кВт, реле, отвечающее за включение обогревателя воздуха, стало греться и «залипать.» Пришлось поставить последовательно реле помощнее. В настоящее время автополив включен и работает. На следующей неделе надеюсь вывести теплицу в «онлайн», чтобы наблюдать ее параметры на своем сайте.
В настоящее время скетч для Ардуино выглядит так: https://ideone.com/GvHs7u Прошу не критиковать код — программист я начинающий, однако код рабочий, что доказано, хоть и недолгой пока, эксплуатацией.

Умная теплица на ардуино

Автоматика умной теплицы на основе Распберри Пи и Ардуино

В качестве проекта по электронике, я решил сделать умную теплицу на Ардуино своими руками. Моей целью была регулировка температцры в теплицы с помощью лампы и сервопривода, который открывает окошко и вентилятора. Я хотел достичь практически неизменного уровня влажности при помощи насоса, а также хотел получать данные о температуре, влажности почвы и освещенности. В конце я решил запустить вебсайт, на котором эти данные отображались бы.

Проект автоматизации теплицы был сделан для курса электроники и я хотел использовать в нём Распберри Пи и Ардуино.

Шаг 1: Презентация

В автоматике умной теплицы располагаются разные датчики, измеряющие температуру внутри и снаружи, влажность почвы и освещенность.

Внутренний датчик температуры позволяет запускать вентилятор и сервопривод, открывающий окно, когда внутренняя температура поднимается выше заданной точки. И наоборот, если температура опускается ниже заданной точки, то окно закрывается. А вентилятор останавливается, и даже более того, чтобы согреть растение запускается лампа. Когда земля слишком пересыхает, датчик уровня влажности почвы позволяет запустить насос и электромагнитный клапан системы орошения.

Плата Ардуино подключается к Распберри пи 3 при помощи кабеля USB. Это соединение позволяет нам сохранять замеры и состояния приводов, а все данные отправлять в базу данных mysql. Скрипт на языке python позволяет управлять Ардуино Уно (связь ведущий / ведомый) и сохранить данные в базу, либо прочитать данные из базы и отправить новые данные на Врдуино.

Далее, установленный на Распберри Пи сервер Apache поддерживает вебсайт. При помощи PHP мы создаём мост между БД mysql и вебсайтом.

На сайте мы можем задать температуру и уровень влажности. Также через сайт можно управлять каждым приводом и узнать их положение.

Шаг 2: Список компонентов

В проекте мы хотели использовать как можно больше компонентов, извлечённых при переработке других вещей.

Шаг 3: Код

В этой части инструкции я дам вам разные программы и код, который я создал для этого проекта.

Программа для Ардуино:
В новой версии я исправили ошибки, при которых не открывалось окно и т.д.

Распберри:
Мы установили сервер MySQL и привязали к нему Python. Для вебсервера мы установили Apache 2.

Вебсайт:
Файлы .CSS доступны в архиве.

Скрипт для Распберри:
Для скрипта мы использовали библиотеку MySQLdb. Используется Python версии 2.7. Скрипт – это мост между Аржуино и Распберри Пи. Он позволяет сохранять данные сАрдуино в базу данных и отсылать невыет контрольные данные, установленные пользователем, в программу Ардуино.

Файлы

Шаг 4: Установка

Шаг 5: Электропроводка

Шаг 6: Вебсайт и база данных

Наш вебсайт состоит из трёх страниц.
Первая страница – главная, на ней пользователь может узнать состояние устройств и показания датчиков.
Вторая страница – Команды и параметры, где пользователь может легко поменять режим устройств и включить\выключить их. На этой странице также можно задать контрольные числа для температуры и влажности.
На последней странице вы можете прочитать о создателях проекта.

База данных состоит из трёх таблиц. Таблица «measures» хранит в себе накопленные данные. Таблица «types» содержит параметры каждого измерения, а таблица «commandes» позволяет оправлять устройствами и знать их состояние.

Шаг 7: Время сберечь ваше время и ваши растения

Все готово. У вас есть все инструменты для создания автоматизированной теплицы! Посмотрите видео и увидите умный парник в действии.

GitHub — Порохня / GreenhouseProject: Умная теплица на базе Arduino

перейти к содержанию Зарегистрироваться

Почему именно GitHub? Особенности →
- Обзор кода
- Управление проектами
- Интеграции
- Действия
- Пакеты
- Безопасность
- Управление командой
- Хостинг
- мобильный
- Истории клиентов →
- Безопасность →
Команда
Предприятие
Проводить исследования
- Изучить GitHub →
Учитесь и вносите свой вклад

cconway / Arduino-Greenhouse: открытый исходный код теплицы, управляемой Arduino, с беспроводным управлением через приложение iOS

перейти к содержанию Зарегистрироваться

Почему именно GitHub? Особенности →
- Обзор кода
- Управление проектами
- Интеграции
- Действия
- Пакеты
- Безопасность
- Управление командой
- Хостинг
- мобильный
- Истории клиентов →
- Безопасность →
Команда
Предприятие
Проводить исследования
- Изучить GitHub →
Учитесь и вносите свой вклад

waldo2188 / greenhouse-arduino: теплица, сделанная с использованием arduino

перейти к содержанию Зарегистрироваться

Почему именно GitHub? Особенности →
- Обзор кода
- Управление проектами
- Интеграции
- Действия
- Пакеты
- Безопасность
- Управление командой
- Хостинг
- мобильный
- Истории клиентов →
- Безопасность →
Команда
Предприятие
Проводить исследования
- Изучить GitHub →
Учитесь и вносите свой вклад

.Блог

Arduino »Выращивайте овощи с помощью умной теплицы MEG

Выращивайте овощи с помощью умной теплицы MEG

Зои Романо — 1 апреля 2014 г.

MEG — первое в мире социальное и автоматизированное сообщество теплиц, машин и деталей, теперь на Kickstarter. Карло Д’Алезио и Пьеро Санторо, дизайнерский дуэт из Милана, представили прототип на Maker Faire Rome, а также на мероприятии PopupMakers в прошлом году.

MEG означает микроэкспериментальную систему выращивания, работающую на Arduino MEGA 2560, которая управляет автоматизированным «световым двигателем», резервуаром для воды и питательных веществ, вентиляторами и датчиками, контролирующими влажность, температуру и pH.Это умно, потому что, если вы не очень разбираетесь в выращивании растений, вы можете использовать параметры краудсинга у других садоводов: помидоры вашего соседа не будут более красными, чем ваши!

В прошлую субботу в Милане отметили День Ардуино и тут же вместе с нами запустили кампанию, где я сделал пару снимков прототипа!

Ардуино своими руками, Курдюмова и Малышевского, блок управления парником, видео и проекты

Используя умную теплицу, вам будет намного проще вырастить богатый урожай

Инновационное развитие сферы садоводства привело к тому, что умная теплица стала часто встречаться на приусадебных участках. Конструкция отличается от своих менее умелых собратьев наличием блока управления. Специально разработанная программа анализирует множество показателей внутри парника, на основании чего принимается решение о необходимости полива, проветривания или внесения удобрений. В некоторых разновидностях, есть возможность управлять теплицей через интернет.

Секреты использования умного парника

Скептики могут возразить, что обилие автоматики влечет лишь увеличение стоимости конструкции. На протяжении десятилетий граждане работали своими руками и все у них получалось. Насколько оправдано подобное новаторство? Никто не спорит, что ручной труд позволяет решить множество проблем, но специалисты акцентируют внимание на эффективности использования техники по сравнению с ранее применяемыми методами.

В том случае, когда садовод полагается исключительно на собственный опыт, ошибок избежать не получится. Человек не способен в режиме реального времени фиксировать изменения степени кислотности почвы или концентрации жидкости.

Даже незначительное отступление от необходимых конкретному виду сельскохозяйственной культуры условий уменьшает потенциальный урожай.

Не сложно понять, что умная теплица позволяет сократить затраты времени и сил, не говоря уже о повышение шансов насладиться высокой урожайностью.

В зависимости от производителя, парники с компьютерной начинкой обладают следующими характеристиками:

Система осуществляет мониторинг в режиме 24/7;
Контроль температуры позволяет максимально быстро уменьшить негативное воздействие на корневую систему;
Возможность начать процесс подачи свежего воздуха к верхней или нижней части рассады;
Контроль степени кислотности грунта;
Определение оптимального времени полива и подкормки;
Все датчики работают согласовано, благодаря чему в случае даже незначительного отклонения от заданных параметров, блок управления отдаст необходимые команды.

Несмотря на более высокую, нежели у традиционных теплиц стоимость, их «умные» аналоги позволяют в большей степени контролировать происходящее в парнике. Достаточно один раз выставить необходимые параметры, чтобы система самостоятельно поддерживала их в режиме 24/7. Помимо контроля общего состояния теплицы, автоматика отслеживает параметры над и под землей.

Проверяем блок управления теплицей

Основой работы всей системы является мини-компьютер. Именно это устройство определяет, что и когда необходимо делать. В зависимости от производителя, парник может оснащаться различными блоками управления, но принцип их работы от этого не меняется.

Для начала необходимо остановиться на двух распространенных вариантах исполнения тепличных «мозгов».

В первом случае речь идет о реле, характеризующимся минимальным функционалом и аналогичной стоимостью. Оснащенная им умная теплица может подать садоводу сигнал о начале отклонений от заранее установленных параметров. Проще говоря, человек получает оперативное информирование и не больше. Если финансовые возможности позволяют, то внимание следует обратить на системы, оснащенные сенсорным управлением.

Они характеризуются следующим образом:

Наличие 1-5 скоростей управления подачей воздуха;
В режиме реального времени на дисплее отображаются все контролируемые параметры;
Доступна опция «ночной режим»;
Возможность установки требуемой t с точностью до 1С;
Система адаптивной подсветки дисплея позволяет в любое время четко различить все указанные значений;
Слаженную работу всех элементов обеспечивает чип – Ардунио Uno 2560, выпущенный в 2015 года или его более актуальная разновидность.

Правильно подобранный блок управления парником избавит от многих проблем. В более дешевом реле доступна лишь опция информация садовода о надвигающейся проблеме, а в сенсорных разновидностях присутствует больший функционал. Речь идет о возможности точной настройки, наличии подсветки и о сохранении настроек даже в случае отключения электричества или перепада напряжения.

Функциональная и умная теплица Н. Курдюмова и К. Малышевского

Наличие автоматического системы контроля и управления процессами далеко не всегда говорит о возможности отнесения парника к разряду «умных». Проблема подобного рода поднята в работе Малышевского и Курдюмова. Согласно результатам их практических изысканий, «умная» система способна в режиме реального времени определять концентрацию влаги в грунте. Здесь важно оговориться, что необходимость полива определяется с точки зрения присутствующих культур.

В то время как другие системы просто следят за степенью увлажненности почвы, данный вариант контролирует степень насыщения рассады влагой.

Помимо этого, профессор Николай Курдюмов в своей книге проводит ряд других характеристик:

Контроль t внутри строения с точки зрения наличия комфортной атмосферы для сельскохозяйственных культур;
Мониторинг степени кислотности почвы;
Контроль бактериальной среды внутри парника.

Отправляясь в магазин за «умной» телицей, садоводы должны понимать все технические нюансы будущей покупки. Система не просто контролирует несколько показателей, а ведет постоянный мониторинг степени пригодности сложившейся обстановки для определенного вида сельскохозяйственной культуры. Только в этом случае капиталовложения окажутся оправданными.

Создаем умную теплицу своими руками

Далеко не всегда в торговой сети представлены конструкции с необходимыми параметрами. В этом случае можно все взять в собственные руки. Для начала необходимо сделать качественный проект. В нем учитывается площадь конструкции, климатические условия, продолжительность эксплуатации и тип культур, которые планируется высадить. Как только все данные проанализированы, можно приступать к практической части.

При выборе основы для каркаса следует учесть, что на нем монтируются датчики. В связи с этим, целесообразнее обратить внимание на металлические трубы.

В дальнейшем рекомендуется придерживаться приведенного ниже порядка действий:

Источники воды устанавливаются таким образом, чтобы они покрывали парник с севера на юг и с запада на восток;
При монтаже датчиков нужно учесть тип блока управления, к примеру, чип Arduino предполагается установку под и над землей;
Бюджетные варианты, например, Мега, требуют провести монтаж систем контроля лишь в 4-5 точках;
Перед началом непосредственной эксплуатации рекомендуется провести тестовый запуск;
Проекты подобного рода окупаются в течение первого сезона.

Умная теплица (видео)

Умные тепличные комплексы – это универсальные средства, позволяющие садоводу в меньшей степени следить за благополучием рассады. В зависимости от производителя, система может лишь поставить в известность о критическом изменении определенного параметра или самостоятельно принять необходимые меры реагирования. При выборе интеллектуальных теплиц нужно помнить, что подбираются они с учетом климатических особенностей.

Умная теплица своими руками — Всё про теплицы

Дачно-огородное хозяйство тяжело представить для себя без теплицы либо парника. Ведь как приятен салат из новых огурцов и помидоров со собственного участка. Но чтоб вырастить их либо чего-нибудть более экзотичное, без сооружения теплицы не обойтись. Казалось бы, ничего хитрецкого, но здесь есть огромное количество аспектов. К тому же, не считая постройки, будет нужно часто «опекать» как саму конструкцию, так и растения в ней. Потому “умная” теплица приобретает все огромную популярность.

Теплица своими руками. не дорогая теплица как я делал умную теплицу своими руками

Отзывы:

MrWilariba пишет: Отличная теплица будет!

lx1966 пишет: После сварки инвертор сразу отключать нельзя ! 5 минут на холостом ходу работы обязательно !

MrWilariba пишет: Отличная теплица будет!

lx1966 пишет: После сварки инвертор сразу отключать нельзя ! 5 минут на холостом ходу работы обязательно !

В теплице нужно поддерживать определенную температуру в относительно узеньких рамках, т.е. нужно открывать ее в жару, закрывать, когда прохладно. Если же климатические условия достаточно жестоки либо теплица задействована для выкармливания овощей в зимний период, то нужно ее еще к тому же и обогревать. Растения снутри также требуют ухода, нужно как минимум часто поливать их.

как я делал умную теплицу своими руками

Отзывы:

Сергей Кузьмин пишет: А что тут рассказывать – профиль погнули на заводе, каждая дуга – 6 метров, расстояние между ножек получилось 4 м – это и есть ширина теплички . Каждый лист поликарбоната 6 м ложится точно на дугу без подреза .Очень важно купить качественный карбонат , только не КИТАЙ ! Я купил (ПОЛИГАЛЬ) Израиль гарантия 10 лет , срок эксплуатации 20 л очень крепкий по жесткости напоминает оргстекло , пальцами не продавливается , листы имеют защиту от ультрафиолета , остаток листа пробовал пробить четвертью кирпича – осталась только небольшая вмятина. Трубы протравил, прогрунтовал покрасил, после сварки подкрасил места сварки. Площадь окон расчитал по книге Курдюмова – (Умная теплица), в этой книге есть описание как сделать чтоб форточки открывались автоматически, полив осуществляется с помощью эл.клапана программируемым сколько и когда нужно полива . Большое внимание уделил проклейке концов поликарбоната ,есть спецлента -одна проклеевается для того чтоб во внутрь не попадали частички пыли ,а та которая в нижней части для удаления конденсата а потом только ставится элька. Термошайбы для крепления имеют тоже не маловажную роль т к пол.карбон имеет тепловое расширение , ведь это всесезонная теплица . При кратковременном морозе -10 градусов у меня в теплице без отопления было + 3 градуса . Бетонные стенки грядок и бетон на полу имеет свойство энергоаккумулятора – днем нагреваются ночью отдают накопленную энергию , а летом наоборот !!! Соединял листы между собой соединением с защелкой этой же фирмы . большое внимание уделил фундаменту и цоколю все армировано т к от этого зависит качество всей конструкции .

Леонид Карпылев пишет: В Сибири сложится в первую зиму так как каркас прославлен отвестиями

Леонид Карпылев пишет: Норма

Василий Пупкин пишет: Кто хотел увидеть увидел, кто завидовал -завидует и хамит. Всё доходчиво, наглядно и понятно… спасибо

Elman Imanov пишет: что за песня играет?

А еще, такая теплица обязательно должна находиться на межпланетном корабле «Звездный» либо, как минимум, где-нибудь в Стране восходящего солнца либо в Силиконовой равнине, но уж ни как не под Иваново либо, скажем, под Новосибирском. Но, все же, факт остается фактом: теплицы разной степени «умности» уже не один десяток лет служат верой и правдой на дачах наших коллег – любителей приусадебного земледелия. Не достаточно того, выстроить (а поточнее – организовать) умную теплицу своими руками – это не так трудно и сосем не так недешево, как кажется. Тщательно об умных теплицах, российских и заокеанских – в приготовленном вам материале.

Обычно эпитетом «умные» принято именовать различные предметы либо объекты, наделенные теми либо другими саморегулирующимися функциями. К примеру, «умный пол» умеет с помощью датчиков и ИК-камер выслеживать месторасположение людей и предметов в помещении. И даже, по мере надобности, способен вызывать «скорую» либо полицию. А «умный дом», благодаря все этим же высочайшим технологиям, обеспечивает для собственных жильцов комфорт, безопасность и ресурсосбережение. Просто говоря, умные вещи – это бытовые «помощники», настроенные на решение обычных, рутинных каждодневных задач – включать и выключать свет, управлять сплит-системой, подымать и опускать шторы и жалюзи и т.д. И теплицы в этом перечне –не исключение.

Теплица своими руками из поликарбоната 2015

Отзывы:

Dmitry logo пишет: Какой расход электричества при всех включенных ДНАЗах?

Антон Пастухов пишет: Класс!!!!

Сергей Чулаков пишет: Спасибо за видео, очень информативно и полезно. Сам хочу поставить себе теплицу, Вашу буду брать за образец. Правда у меня цель выращивать в ней овощи круглый год. По данной причине у меня возникло несколько вопросов. В видео Вы не отразили так сказать экономическую составляющую, а именно сколько денежных средств уходит на содержание такой теплицы, её отопление, освещение, проветривание. И ещё интересный вопрос выдерживает ли Ваша интелектуальная теплица зимние морозы, и сколько в ней градусов когда на улице – 20 или – 30 градусов, если Вы конечно ставили над ней такие эксперименты. Буду благодарен если ответите мне на данные вопросы либо снимете отдельный сюжет по ним. Заранее благодарен.

Андрей Комаров пишет: Класс!!! Каркас сами делали или заказывали?

Dmitry logo пишет: Какой расход электричества при всех включенных ДНАЗах?

Вечером растения, конечно, начнут приходить в себя. Но в конечном итоге, собирая урожай, вы не сможете не отметить, насколько он меньше и хилее того, что у соседа с частично или полностью автоматической теплицей. Другими словами задача «умной» теплицы – это максимально поддерживать комфортный климатический режим для растений в теплице: влажность, температуру, насыщенность кислородом и влагой.

Так, одна из самых недорогих систем капельного полива – знаменитая Аквадуся. Это бочка на 200 литров, в которую подведена вода через арматуру сливного бочка. Хватает такого объема жидкости примерно на 4-5 поливов – идеально для тех, кто теплицу видит раз в неделю, приезжая на дачу. Более популярна в России система капельного полива с израильскими капельницами – они якобы и прочнее, и поболее устойчивы к напору.

Однако крышные форточки на теплице при сильном ветре создают значительную парусность, последствиями которой может стать поломка гидроавтомата проветривания, искривление тепличного каркаса или даже его полное разрушение. Для предотвращения подобных неприятностей следует устанавливать теплицу на фундамент и располагать в защищенном от ветра (например, живой изгородью) месте.

В некоторых «умных теплицах» форточки расположены в высшей части боковых сторон. Открываясь вниз, они не создают никакой парусности, поэтому такой парник можно поставить даже в открытом поле, где свободно «гуляет» ветер. К таким форточкам также можно пристроить гидроавтоматы открывания/закрывания, чтобы поддерживать в теплице оптимальную для развития растений температуру. Они будут несколько медленней охлаждать воздух в теплице, чем крышные форточки, но прослужат дольше. К тому же сплошная крыша не протекает, и холодная (особенно весной и осенью) влага не вредит теплолюбивым растениям.

Я считал, что жидкость надо использовать какую-то необычную, спирт или эфир, но оказалось, для жидкости подходит любое масло, даже отработка из двигателя, можно использовать промывочное масло, любое жидкое, какое найдете. Если покупать, то самое дешевое типа М8.

Дело в том, что мощность выдвижения штока очень большая, больше 100 кг. точно, цилиндр может поднять хоть всю теплицу, но самостоятельно вернуть шток на исходную позицию не может (начинает подсасывать воздух, через уплотнители). Поэтому, если веса фрамуги не достаточно, пружина обязательна. Нужно обеспечить хотя бы килограммов 5, обратного давления на шток. Потому что фрамуги сбалансированы по весу, я использовал обыкновенную дверную пружину, прекрасно работает — никаких проблем. У меня открываются 3 секции 2м. Х 1м. Все секции соединены вместе, Итого 6 м. кв. открывает один гидроцилиндр. Рамы сварены из той же буровой штанги. Другими словами очень тяжёлые.

Теперь нужно все собрать вместе. Отдельно заливаем масло в амортизатор (я использовал медицинский шприц), в резервуар наливаем до верха, через воронку. Оставляем так на несколько часов, чтобы успели выйти пузырьки воздуха. Прикручиваем шланг к гидроцилиндру, вдавливаем шток, жидкость должна выйти через шланг выдавив воздух. Стараемся собрать без лишнего воздуха в системе, но все-таки (как показала практика) надо, чтобы небольшой пузырек воздуха все таки остался в системе, чтобы конструкцию не порвало в жару. Пузырек будет играть роль демпфера и сжиматься тогда, когда шток уже полностью выдвинут. На этом сборка закончена.

Я регулировал, так. Отнес в теплицу, дождался, когда система нагреется, от лучей солнца, и выпустил лишнее масло. Должно получиться так, что в самую жару, шток выдвинулся, до упора, но был вроде бы подпружинен (т.е. его можно было немного вдавить обратно). Если давления мало, выпускаем воздух и доливаем масло, если много, то сливаем лишнее масло. Вот и вся регулировка. Это что касается гидравлики. Если заметили на половине бака приклеена фольга, это для регулировки температуры открытия. Если поворачиваем фольгой к солнцу, окна открывается позже, поворачиваем черной стороной раньше. Ну и еще была у меня одна неисправность, правда не техническая. Мы уезжали из дома, примерно на неделю. Вернувшись я увидел, что солнце светит, а теплица не открылась. ??? Пошел разбираться. Оказалось, что огурцы выросли настолько, что листьями закрыли бачок от солнца. Ничего страшного не произошло, но имейте в это в виду, располагайте бачок как можно выше, ближе к крыше, чтобы растения не закрывали солнце.

Умная теплица на балкон на базе Arduino UNO

Отзывы:

павел жестянщик пишет: скейч как посмотреть?

Александр Польской пишет: Подскажите, из чего сделали каркас?

Кирилл Посветов пишет: Это видео без скетча бесполезно .

Dmitry Bender пишет: Ребята, скажите пожалуйста где скетч можно скачать? Поделитесь пожалуйста )

Иван Гав пишет: Плиз пришлите библиотеку и скеч если возможно хочу сделать на своем участке парник умняшку [email protected] ,буду очень признателен вам за помощь,очень актуальный и классный проект)))

Умная теплица: будущее сельского хозяйства

Введение

Эта умная теплица была продемонстрирована на Re: Invent 2015. Вот покадровая видеозапись строительства теплицы на этаже Re: Invent.

Smart Greenhouse — это саморегулирующаяся среда с контролируемым микроклиматом для оптимального роста растений. Климатические условия внутри теплицы, такие как температура, влажность, освещенность, влажность почвы, находятся под постоянным контролем. Небольшие изменения этих климатических условий вызывают автоматические действия.Автоматизированные действия оценивают изменения и предпринимают корректирующие действия, таким образом поддерживая оптимальные условия для роста растений.

Архитектура

Smart Greenhouse — это теплица с датчиками и исполнительными механизмами. Датчики и исполнительные механизмы подключены к микроконтроллеру на базе Intel Edison. Микроконтроллер отправляет данные и получает команды из центра управления, размещенного в облаке AWS. Пользователи могут взаимодействовать с Smart Greenhouse через панель управления или планшетное приложение. Пользователи также могут отдавать голосовые команды теплице.

Архитектуру умной теплицы можно разбить на три основных компонента.

Подключенная теплица с датчиками и исполнительными механизмами
Центр управления
Устройства взаимодействия с пользователем

Давайте рассмотрим каждое из них более подробно.

Подключенная теплица с датчиками и исполнительными механизмами

Подключенные устройства внутри умной теплицы обмениваются данными со службой AWS IOT с помощью плат микроконтроллера Intel Edison, которые размещены в хребте теплицы.Есть два концентратора микроконтроллера, концентратор датчиков для сбора всех данных с датчиков и концентратор исполнительных механизмов, управляющий исполнительными механизмами, связанными с устройствами. Каждая из плат микроконтроллера концентратора имеет приложение на основе NodeJS, работающее и взаимодействующее с подключенными устройствами на одном конце и сервисом AWS IOT на другом конце. Приложение NodeJS, работающее на плате микроконтроллера, взаимодействует с

подключенными устройствами, используя коммуникационную библиотеку Intel Edison «MRAA» для javascript.
Сервис AWS IOT с использованием AWS IOT SDK для javascript.

Детали реализации оборудования подключенной теплицы

Sensor Node

Sensor node — это плата микроконтроллера Intel Edison с запущенным на ней приложением NodeJS. Приложение NodeJS считывает данные со всех подключенных датчиков каждую секунду и публикует их в сервисе AWS IOT по защищенному каналу с использованием протокола MQTT.

Общий поток данных для сенсорного узла следующий:

1. Считывание с подключенных датчиков каждую секунду

2.Преобразуйте показания в соответствующие единицы

3. Конвертируйте показания в полезную нагрузку на основе json

4. Отправьте полезные данные json в виде сообщения MQTT на AWS IOT

Узел привода

Узел привода — это еще одна плата микроконтроллера Intel Edison с приложением NodeJS работает на нем. Приложение NodeJS привода подписывается на набор тем MQTT и ожидает поступления сообщений по этим темам. Темы MQTT по актуаторам передают команды для исполнительных механизмов, подключенных к теплице.Поток данных для узла привода выглядит следующим образом:

1. Подпишитесь на темы MQTT по приводу и слушайте сообщения по этим темам

2. Когда придет сообщение, проанализируйте сообщение на команду и определите привод, связанный с сообщением

3 . Выполните команду, отправив соответствующие сигналы приводу, указанному в сообщении

4. После предварительно сконфигурированной задержки прочтите состояние привода и отправьте показание в тему сообщения AWS IOT

Control Center

Control Center — это внутренняя инфраструктура системы. Smart Greenhouse, включающая веб-приложение контроллера, веб-сервер потоковой передачи и мониторинг лямбда-функций

Бэкэнд-инфраструктура Smart Greenhouse состоит из

веб-приложения контроллера
веб-сервера потоковой передачи
мониторинга лямбда-функций

веб-приложения контроллера

веб-приложения контроллера Приложение — это набор RESTful API, используемых для c Управляйте умной теплицей.Это приложение NodeJS, использующее «expressjs» для обработки ответов на запрос и «паспортаjs» для аутентификации. Это приложение принимает команды REST PUT для выполнения различных задач IOT Greenhouse, таких как открытие форточки или включение спринклера.

Веб-сервер потоковой передачи

Веб-сервер потоковой передачи используется для передачи статуса Smart Greenhouse заинтересованным сторонам в режиме реального времени. Это потоковый сервер WebSockets на основе NodeJS. Он прослушивает обновления тем MQTT от IOT Greenhouse и публикует эти обновления на потоковом канале WebSockets.Внешнее приложение, работающее в браузере, может в реальном времени получать по этому каналу обновления об условиях в теплице, таких как текущая температура, влажность и яркость. Обновления состояния исполнительного механизма также передаются по этому каналу.

Мониторинг лямбда-функций

Условия в теплице, такие как температура и влажность, постоянно отслеживаются путем запуска лямбда-функций AWS через механизм правил IOT. Затем лямбда-функция оценивает показания для таких условий, как «температура выше 75 градусов по Фаренгейту в течение 5 секунд и не менее 3 показаний».Если условие удовлетворяется, запускается набор предварительно сконфигурированных действий, таких как открытие вентиляционного отверстия, включение вентилятора и выключение увлажнителя.

Устройства для взаимодействия с пользователем

Пользователи могут взаимодействовать с умной теплицей с помощью панели управления, голосовых подсказок или приложения для планшета

Панель управления

Веб-панель управления показывает в реальном времени график текущей температуры, влажности, влажности почвы и светимость. Вентилятором теплицы, вентиляционными окнами, верхним светом, светодиодной подсветкой и увлажнителем также можно управлять с помощью веб-приложения на приборной панели.

Голосовые подсказки

Простые команды, такие как «Alexa включить вентилятор», можно использовать с устройством Amazon Echo для включения вентилятора. В настоящее время для умной теплицы поддерживаются следующие команды Alexa:

1. Alexa, что такое Интернет вещей

2. Alexa включает / выключает вентилятор

3. Alexa включает / выключает вентиляционные отверстия

4. Alexa включает / выключает потолочная лампа

Планшетное приложение

Компания Accenture разработала приложение для Android, функциональность которого аналогична функциональности веб-панели.Это приложение также можно использовать для взаимодействия с Smart Greenhouse.

(PDF) Интеллектуальная автоматизация теплиц на основе IOT с использованием Arduino

Международный журнал инновационных исследований в области компьютерных наук и технологий (IJIRCST)

ISSN: 2347-5552, Volume-5, Issue-2, March 2017

DOI: 10.21276 / ijircst.2017.5.2.4



Реферат — Система автоматизации теплиц — это технический подход

, при котором фермеры в сельской местности получат выгоду

за счет автоматического мониторинга и контроля окружающей среды теплицы

. Он заменяет непосредственное наблюдение человека

. В этом документе были рассмотрены различные документы

и разработана предлагаемая система, основанная на ограничении

в существующей системе мониторинга.Он также ориентирован на

на общую архитектуру, которая может применяться для многих других приложений автоматизации

. Теплица — это здание

, где растения выращивают контролируемым образом. В настоящее время

из-за урбанизации и отсутствия земли существует большая потребность в строительстве теплиц

, из которых

будут зарезервированы в основном для выращивания сельскохозяйственных культур. С развитием технологии

мы можем контролировать и контролировать несколько теплиц

, используя IOT из центрального местоположения по беспроводной сети.

Ключевые слова — Arduino ATmega328, атмосферные датчики, DC

спринклерная система с моторным управлением. IOT.

I. ВВЕДЕНИЕ

В этом документе Проект был нацелен на сбор данных в теплице

для нескольких датчиков для использования данных для моделирования или обработку

для достижения лучшего увеличения роста в теплице

, эти данные имеют эффект по климату

теплица

. Графические интерфейсы пользователя (GUI)

использовались через LabVIEW, прошивку Arduino в качестве программного обеспечения

и плату и датчики Arduino в качестве оборудования.с помощью

мега-платы arduino обеспечивает несколько аналогов входов и

ввода / вывода

Рукопись получена 10 марта 2017 г.

Профессор Д.О.Ширсат, доцент кафедры электроники и

Телекоммуникационная инженерия, Технологический институт ПВП, Будгаон ,

Maharashtra, India

Punam Kamble, UGScholar, Department of Electronics and

Telecommunication Engineering, PVPТехнологический институт, Будхгаон,

Махараштра, Индия, эл. Электроника и телекоммуникации

Инженерное дело, Технологический институт PVP, Будхгаон, Махараштра, Индия

Профессор RSMore, доцент кафедры электроники и

Телекоммуникационная инженерия, П.Вице-президент Технологического института, Будхгаон,

Махараштра, Индия

цифровых сенсоров для считывания данных, удобных для измерения

температуры, влажности, газа CO2, а также измерения влажности почвы

влажности, необходимой для поливных растений и интенсивности

светильники, применяемые для теплицы. Эти факторы оказывают основное влияние на увеличение роста растений. Теплица

среда, отслеживающая различные изменения параметров,

была предусмотрена система для этой цели и предоставлена возможность управления климатом теплицы

Растениеводство в теплицах выше

зависит от окружающих условий. Существенными факторами окружающей среды

для качества и повышения продуктивности

роста растений являются температура, относительная влажность,

Освещение, влажность почвы и количество CO2 в теплице

. Непрерывный мониторинг этих факторов дает

релевантной информации, относящейся к отдельным эффектам

различных факторов на получение максимального урожая

урожая [J.H. Shin et al., 1998]. Arduino — это платформа для создания прототипов электроники с открытым исходным кодом

, основанная на гибком, простом в использовании аппаратном и программном обеспечении

предназначен для художников, дизайнеров, любителей и всех, кто интересуется

для создания интерактивных объектов или сред. [Дэвид и др.

др., 2007]. Arduino может определять окружающую среду, получая входной сигнал

от различных датчиков, и может влиять на среду

посредством управления нагревателем, водяным насосом и другими исполнительными механизмами

.AVR Atmega2560 на плате

запрограммирован с использованием языка программирования Arduino

(зависит от проводки) и среды разработки Arduino

(зависит от обработки). Проекты Arduino

могут быть автономными или они могут взаимодействовать с программным обеспечением

, запущенным на компьютере (например, Flash, Processing, MaxMSP). Теплица

рассматривается как многопараметрический процесс, имеющий нелинейную природу

и подверженный влиянию биологических факторов. процессы

[Herrero et al., 2007]. Пять наиболее важных параметров

необходимо учитывать при проектировании теплицы

: температура, относительная влажность, грунтовые воды, интенсивность освещения

и концентрация CO2. Эти

параметров важны для понимания того, что пять параметров

, упомянутых выше, являются нелинейными и чрезвычайно взаимозависимыми

[Fourati et al., 2007; Бласко и др., 2007;

Паттер и Дж.Gouws, 1996]. Компьютерная система управления теплицей

включает последовательные этапы [Melrolho, 1999]:

1. Сбор данных с помощью датчиков.

2. Обработка данных, сравнение их с желаемыми состояниями и

окончательное решение, что нужно сделать, чтобы изменить состояние системы

3. Исполнительный элемент, выполняющий необходимое действие.

Интеллектуальная автоматизация теплиц на основе IOT

Использование Arduino

Проф.DOShirsath, Punam Kamble, Rohini Mane, Ashwini Kolap, Prof.RSMore

(PDF) Прототип интеллектуальной системы управления и мониторинга теплиц в гидропонных установках

Jurnal Teknologi Informasi & Komunikasi Digital Zone, Том 10, Nomor 2, Ноябрь 2019: 131-143

eISSN: 2477-3255, pISSN: 2086-4884 https://doi.org/10.31849/digitalzone.v10i2.3265ICCS Vol.

x, № x, июль 201x: first_page — end_page

контроль фактора окружающей среды, тепличное здание с этой гидропонной системой земледелия в

будет идеальным.Техника питательной пленки (NFT) — это модель гидропонного культивирования, при которой

корней растений помещаются на мелкие слои (воды). Вода циркулирует и содержит

питательных веществ в соответствии с потребностями растений. В модельных растениях NFT питание является критическим фактором, то есть доза

пищи должна быть точной, потому что либо дефицит, либо избыток питательных веществ опьяняет растения

и в конечном итоге убивает их. На основании исследования [4] NFT лучше, чем DFT

, потому что каждый гидропонный участок предоставляется только одним растением.

Учитывая проблемы, возникающие в теплицах и гидропонике, был создан прототип умной теплицы

, позволяющий контролировать температуру, влажность и наблюдать за ним в реальном времени через смартфон. Концепция этого исследования была реализована в предыдущих исследованиях, включая [5]

, проводящее исследование, которое обеспечивает автоматический контроль питательных веществ в гидропонных растениях, но слабым местом

этого исследования является то, что в нем используется только датчик pH для определения качества воды в гидропонике.[6]

проводил исследования, которые могли контролировать только состояние влажности и температуры

внутри теплицы. [7] отслеживание теплиц с использованием протокола Zigbee. [8] отслеживание ситуации

в теплице с использованием платформы blynk android, но недостатком этого исследования

является ограниченное использование blynk, поскольку им необходимо подписаться, чтобы получить все функции. [9]

Интернет вещей для посадки на гидропонике умных ферм с беспроводной сенсорной сетью

Система

.[10] система дистанционного мониторинга гидропонных посадочных сред. [11] интеллектуальное гидропонное земледелие

с использованием телеграмм.

В отличие от предыдущих исследований, это исследование создает умную теплицу, которая способна контролировать процесс увлажнения

путем добавления системы полива в воздух для повышения влажности в комнате

, в которой позже будут использоваться все эти системы. будет автоматически управляться микроконтроллером

на основе показаний датчиков внутри тепличного помещения.Для метода гидропонной посадки

в теплице системный мониторинг используется для определения качества воды

в гидропонике в виде информации об уровнях питательных веществ, растворенных в воде

, pH воды, температуре воды и воде. уровень в резервуаре для хранения гидропонной воды.

Система мониторинга предоставляет характеристики типов культур, циклов урожая, а также прогнозы урожая

, чтобы помочь фермерам вести учет своей сельскохозяйственной деятельности, начиная от подготовки к посеву и заканчивая этапом сбора урожая

2. Методы исследования

Основное внимание в этом исследовании уделяется созданию прототипов умных теплиц для увлажнения

систем контроля и мониторинга гидропонных растений с использованием метода NFT. Поток исследований

можно увидеть на Рисунке 1.

Исследование начинается с выявления проблемы строительства прототипа умной теплицы

. Затем исследователи проводят сбор данных с помощью литературных исследований и интервью

для получения технических характеристик системы, т.е.е., требования к используемым инструментам и программному обеспечению, которое необходимо для создания

. Некоторые из требований к этим инструментам включают используемые микроконтроллеры, например,

Arduino, датчики температуры и влажности, датчик общего содержания растворенных твердых веществ (TDS), датчик pH, датчик температуры воды

, датчик ультразвукового насоса, реле, модуль Wi-Fi. , а также требования

для построения гидропоники методом NFT. Рекомендуемое программное обеспечение — это приложение для мониторинга растений

, которое высажено внутри умной теплицы.Затем исследователи разрабатывают систему

. Процесс проектирования включает разработку инструментов (аппаратного обеспечения) и программного обеспечения. Затем исследователи

внедрили систему или сконструировали ее, а затем провели тесты и провели анализ «умной теплицы»

. Если результаты теста показывают, что он несовместим с первоначальными требованиями

, этап будет повторяться для проектирования системы, но если он совместим, то на следующем этапе

будут сделаны выводы, и исследование будет завершено.

mrezaabqr / Smart-Greenhouse: простой проект IoT, реализованный с использованием arduino

GitHub — mrezaabqr / Smart-Greenhouse: простой проект IoT, реализованный с использованием arduino

Файлы

Постоянная ссылка Не удалось загрузить последнюю информацию о фиксации.

Тип

Имя

Последнее сообщение фиксации

Время фиксации

Этот репозиторий содержит реализацию проекта Интернета вещей, который измеряет параметры окружающей среды, такие как температура, влажность и плотность света, и отображает их на движущемся светодиодном знаке.

Это репо также включает код Arduino для клиент / сервер и исходный код веб-интерфейса.

COM-порт

Модуль

Wifi недоступен в Proteus, поэтому мы решили использовать виртуальный COM-порт для соединения между микроконтроллером и сервером.

Начало работы

Установите последовательный порт на разъем Ethernet
Создайте клиентское соединение и выберите COM1, добавьте запись удаленного хоста с этими параметрами
- Имя удаленного хоста: localhost
- Порт: 5001
Запустить datefetcher.py скрипт
Откройте Final Project.pdsprj и запустите моделирование

Около

Простой проект IoT, реализованный с использованием Arduino

Темы

ресурсов

Вы не можете выполнить это действие в настоящее время.Вы вошли в систему с другой вкладкой или окном. Перезагрузите, чтобы обновить сеанс. Вы вышли из системы на другой вкладке или в другом окне. Перезагрузите, чтобы обновить сеанс. Система умного дома

с использованием Bolt IoT

Техника, используемая в теплицах для выращивания различных растений, таких как водяной насос, обогреватель, охлаждающие вентиляторы, светодиодные фонари. Самая уникальная особенность этого проекта — то, что он имеет раздвижную крышу. Система разработана с двумя режимами, и приборами можно управлять из приложения, которое также является самодельным, которое может максимально использовать возможности оператора теплицы для более безопасного выращивания растений, не сталкиваясь с какими-либо суетливыми ситуациями.

Возбуждены? Давайте начнем.

Вещи, использованные в этом проекте

Комплектующие —

Arduino Uno
Модуль Wi-Fi Bolt-Iot
8-канальный релейный модуль
LDR
Сопротивление 100 Ом
Сервопривод
Светодиодные ножки
Вентиляторы охлаждения 4xCPU
нихромовая проволока 32 AWG
Адаптер домкрата с внутренней резьбой
Переключатели 2xTap
mini 12v водяной насос с трубкой
спринтер
Датчик температуры и влажности Dht11
датчик влажности
Последовательный преобразователь (для питания серво и релейного модуля)
Картон для изготовления модели.
Перемычки
Кабель для arduino и BOLT 20.
горшок для цветов

Программные компоненты —

Ардуино IDE
Bolt IoT Android-приложение
Инвентаризация приложений MIT

Настройка оборудования

Шаг 1. Введение

Этот проект имеет специально два режима — 1. Ручной режим и 2. Автономный режим, теперь ручной режим — это режим defalt, когда система слышит команду, данную ей пользователем для управления освещением, вентиляторами, водяным насосом. и крыша.Это ручное управление осуществляется пользователем через приложение, которое составляет инвентарь приложения MIT, содержащий 5 различных переключателей для различного оборудования, включая переключатель для включения и выключения автономного режима.

Теперь приложение также содержит два раздела дисплея. Первый и самый верхний — там мы видим текстовое поле, где мы можем получить температуру, солнечный свет, влажность и влажность теплицы, нажав кнопку «получить» в приложении. Во-вторых, там мы можем увидеть столбец, в котором приложение будет отображать, какие из них включены или выключены, отображая 0 и 1, где 0 — означает ВКЛ, а 1 — означает ВЫКЛ, нажав кнопку «получить данные»

Теперь солнечный свет измеряется датчиком ldr собственного производства с сопротивлением 100 Ом, который дает аналоговый выход для Arduino в зависимости от яркости солнечного света.Более того, нагреватель был сделан из нихомного провода, через который на него подается напряжение 12 В. Этот провод фактически используется для резки пенопласта, но также может выделять достаточное количество тепла, когда на клеммы подается напряжение 12 В.

Шаг 2: Демонстрация — АВТОМАТИЧЕСКОЕ УПРАВЛЕНИЕ (РЕЖИМ-1)

Это режим, в котором система позаботится обо всех мелочах, когда необходимо снять или включить освещение, насос, вентиляторы, обогреватель и даже крышу в зависимости от условий теплицы, рассчитываемых системой путем сбора данные различных датчиков, подключенных к нему.

АВТОМАТИЧЕСКОЕ УПРАВЛЕНИЕ ВЕНТИЛЯТОРАМИ ОХЛАЖДЕНИЯ

Когда цепь подключена, как указано выше, выход будет представлен в диапазоне 0-1024 как аналоговый выход в зависимости от яркости солнца, теперь яркость рассчитывается по заданной формуле = (значение датчика / 1024 ) * 100, здесь мы можем получить процент яркости на выходе, и когда яркость опускается ниже 40%, система автоматически включает светодиод, переводя реле на высокий уровень.В этом режиме автоматизации светодиод нельзя выключить из мобильного приложения, для этого его нужно снова перевести в ручной режим, выключив режим автоматизации.

АВТОМАТИЧЕСКОЕ УПРАВЛЕНИЕ ВЕНТИЛЯТОРОМ

Когда схема подключена, как указано выше, и после установки библиотек Adafrutit для dht11, будут выданы выходные данные температуры и влажности. Теперь после инициализации данных от датчика система проанализирует их, и если температура выше 32 градусов C или влажность выше 85%, тогда система автоматически включит охлаждающий вентилятор, если температура или влажность снова не вернутся к умеренным условиям для поддержания комфортных и вероятных условий для хорошего роста растений без повреждения из-за к перегреву.

Автоматическое управление водяным насосом

Когда контур подключен, как указано выше, выходной сигнал будет представлен в диапазоне 0-1024 как аналоговый выход в зависимости от влажности, присутствующей в почве, теперь влажность в% рассчитывается по заданной формуле = (значение датчика / 1024) * 100, здесь мы можем получить процент влажности на выходе, и когда влажность опускается ниже 40%, система автоматически включает водяной насос, устанавливая реле на высокий уровень, пока влажность не поднимется выше 40%, для разбрасывания. вода по всей почве, разбрызгиватель также был прикреплен к трубе для равномерного распределения воды по всем растениям.

Автоматическое управление нагревателем

Когда схема подключена, как указано выше, и после установки библиотек Adafrutit для dht11, будут выданы выходные данные температуры и влажности. Теперь после инициализации данных от датчика система проанализирует их, и если температура ниже 29 градусов C, система автоматически включит нагреватель, если температура или комнатная температура снова не вернется к умеренным условиям для поддержания комфортных и вероятных условий для хорошего роста растений без повреждения из-за слишком низкой температуры.

Автоматическое управление складной крышей

Теперь перейдем к самой уникальной части проекта — раздвижной крыше,

Может возникнуть много вопросов: а что, если крыша закреплена в открытом положении;

Растение может погибнуть в определенный день, когда солнце слишком яркое.
Растение может погибнуть из-за переохлаждения в холодный зимний день.
Растение также может погибнуть из-за чрезмерного полива в дождливые дни.
Если крыша зафиксирована в закрытом положении, тогда также будет происходить перегрев помещения, поскольку стекло только поглощает тепло и не пропускает его, и системе охлаждения будет трудно охлаждать комнату в течение длительного периода времени.

Теперь, несмотря на все эти минусы, я дал этому проекту выдвижную крышу, крыша может выполнять следующую задачу:

Когда система определяет уровень солнечного света более 80%, система автоматически закрывает крышу.
Когда температура опускается ниже пороговой точки, крыша также автоматически закрывается, когда система обнаруживает, что температура опускается ниже пороговой точки, что может быть вредным для растения, закрывая крышу, так что тепло может оставаться в комнате дольше промежуток времени.
В системе мы дали команду системе автоматически выключать водяной насос, когда влажность почвы превышает 40%, теперь мы также дали команду системе закрыть крышу, когда влажность превышает 60%. .А вот и сложная часть: когда влажность на самом деле превышает 60%, система сначала проверяет, выключен ли насос или нет, если он случайно включен, тогда она включает его, но если он уже выключен, тогда он будет считать, что дождь происходит, потому что не могло быть никаких причин для увеличения влажности почвы таким образом. Когда он это обнаруживает, он закроет крышу, чтобы уберечь растения от лишней воды, в которой он не нуждается.
Подойдя к тому, что растениям также нужен свежий воздух, а также они должны защищать комнату от перегрева в дневное время, моя система фактически проверит, составляет ли яркость солнца менее 65%, температура в комнате выше 29 градусов C и влажность ниже 50%, если все условия будут выполнены одновременно, крыша откроется автоматически.

Шаг 2: РУЧНОЕ УПРАВЛЕНИЕ (РЕЖИМ-2)

Это режим системы по умолчанию, в котором система слышит только данные ей команды, а в автоматическом режиме она не слышит никаких команд, отданных ей, если пользователь случайно включит свет в течение дня. раз он не услышит команду и проигнорирует ее. Теперь, чтобы система слышала команду пользователя, нужно выключить режим автоматизации.

Этот переключатель из приложения фактически управляет вышеупомянутыми приборами в ручном режиме.

Этот переключатель из приложения фактически получает данные от Arduino от UART для отображения значения датчика в приложении.

Этот переключатель из приложения фактически проверяет, какое из устройств включено или выключено, считывая цифровые контакты Bolt-Iot, который затем подключается к релейному модулю.

Программирование

Шаг 1. Создание приложений

Сначала перейдите на этот сайт https: // appinventor.mit.edu/.
Затем перейдите к «Создать приложение» в верхней левой части.
После этого авторизуйтесь через Google-аккаунт, затем создайте проект.
Теперь мы видим следующую консоль.
Теперь мы можем сделать нашу консоль по своему желанию, взяв интерфейсы, которые мы хотим, с левой боковой панели.
После настройки консоли она будет выглядеть как на картинке выше.
Затем нажмите на «блоки» в правом верхнем углу рядом с «дизайнером».
Подключите блоки по желанию, а также к Интернету, используя URL-адрес, указанный в документах BOLT, для получения или чтения данных BOLT.
После этого блоки будут выглядеть примерно так, как на картинке выше.
Теперь, чтобы работать с ним с мобильного телефона, нам нужно загрузить его на мобильный. [ПРИМЕЧАНИЕ: приложение поддерживается только на устройствах Android и, к сожалению, не на устройствах iOS, поэтому нам понадобится телефон Android для работы с системой с этим приложением.]
Теперь щелкните «build» на вкладке, а затем щелкните по первому варианту.
Мы будем получать QR-код на экране, теперь нам нужно отсканировать этот код с помощью нашего телефона Android, и приложение автоматически загрузится на наш телефон.
Тогда мы будем готовы использовать приложение для управления системой

ОБЩАЯ СХЕМА ПОДКЛЮЧЕНИЯ

КОДИРОВКА

Каждый код проекта вместе с файлом apk, который я создал с помощью инвентаря приложений mit, приведен в ссылке на github ниже, загрузите проект и попробуйте сделать это самостоятельно, это супер авантюрно.

https://github.com/Ayanghosh-agno/Smart-Iot-greenHouse_Arduino_BoltIot

Видео демонстрация

Посмотрите наш проект в действии (извинения за качество видео):

Заключение

После завершения проекта у меня появилось больше уверенности в области создания iot и приложений, и я хочу поблагодарить bolt iot за предоставленную мне возможность самостоятельно изучать и открывать проекты, это было отличное путешествие.

Хотите создать больше таких проектов IoT и ML? Хотите изучить основы Интернета вещей и машинного обучения?

Ознакомьтесь с курсом обучения Bolt IoT и ML. Этот онлайн-видео-тренинг отлично подходит для тех, кто хочет начать с IoT и ML, потому что он учит создавать проекты с основ. Нажмите кнопку ниже, чтобы узнать больше об обучении.

Развитие современного научно-исследовательского центра теплиц — пример

Abstract

Междисциплинарные подходы в науке все еще редки, особенно в совершенно разных областях, таких как агрономия и информатика.Мы стремимся создать современную теплицу с плавающей системой приливов и отливов, которую можно будет использовать в будущих научных экспериментах. Цель состоит в том, чтобы создать самодостаточную теплицу с датчиками, подключением к облаку и искусственным интеллектом для обработки данных и принятия решений в реальном времени. Мы исследовали различные подходы и предложили оптимальное решение, которое может быть использовано во многих будущих исследованиях роста растений в плавающих системах приливов и отливов. Предлагается новое решение для обнаружения микроклимата в карманах с использованием системы датчиков на подвесной платформе с автоматическим управлением.Кроме того, мы предлагаем методологию замены данных датчиков искусственным интеллектом для оценки здоровья растений. Оценка здоровья растений допускает более длительные периоды отлива и увеличивает уровень питательных веществ в конечном продукте. Благодаря интеллектуальному дизайну и использованию алгоритмов искусственного интеллекта мы снизим стоимость исследований растений и повысим удобство использования и надежность данных исследований. Таким образом, наша недавно разработанная теплица больше подходит для исследований и производства растений.

Ключевые слова: Интернет вещей, искусственный интеллект, датчики интеллектуальное сельское хозяйство, облачные вычисления

1. Введение

Достижения в вычислительных технологиях на основе встроенных систем с последними разработками интеллектуальных датчиков приводят к экономичным решениям для Интернет вещей (IoT). Интернет вещей — важный компонент систем умного дома, умного транспорта, здравоохранения и умной агрономии. В любой производственной среде, особенно в агрономии, устройства Интернета вещей позволяют эффективно планировать и распределять ресурсы, обеспечивая экономические выгоды и повышая конкурентоспособность на рынке [1,2].

Непрерывное слияние вычислительной техники и агрономии открыло новую область, названную точным земледелием, что привело к повышению урожайности в тепличных хозяйствах [3]. Инновационный подход с использованием Интернета вещей в качестве источника данных и глубокого обучения в качестве лица, принимающего решения, может оптимизировать среду теплицы, такую как температура, влажность и питательные вещества [4]. Контролируя процесс выращивания в теплице, можно добиться лучшего качества продуктов питания, косметических продуктов и лекарственных веществ за счет повышения уровня питательных веществ в растениях [5].

Согласно соответствующей работе по проектированию теплицы, датчики и их расположение внутри теплицы являются важными компонентами, поскольку некоторые части теплицы содержат карманы микроклимата. Датчики организованы в несколько комбинаций горизонтального, вертикального и гибридного расположения для обнаружения и устранения карманов микроклимата [6]. Кроме того, система позиционирования камеры должна быть достаточно гибкой, чтобы обеспечивать получение точных и разнообразных изображений для успешного обучения модели глубокого обучения.Качество изображения, особенно уровень шума, может снизить точность модели глубокого обучения [7].

В этой статье мы представляем системную архитектуру и дизайн современного научного исследовательского центра теплицы для целей проекта Urtica — BioFuture Хорватского научного фонда. Предлагается несколько сенсорных узлов в разных местах: питательный раствор, окружающая среда (внутри и снаружи теплицы) и сенсорные узлы для энергоэффективности и энергоснабжения. Они подключаются через выделенный центральный узел.В качестве основного вклада мы предлагаем новую концепцию архитектуры системы для автоматического позиционирования датчиков с использованием концепции подвесной платформы для измерения точных данных об окружающей среде в любом доступном месте для достижения наилучшего возможного автоматизированного гибридного устройства для изоляции карманов микроклимата. С помощью этого измерения карманы микроклимата будут обнаружены и изолированы. Предлагаемая система позиционирования обеспечивает точное получение изображения под разными углами, что приводит к разнообразию данных изображения. Разнообразие изображений играет важную роль в регуляризации модели глубокого обучения.

В этой статье также рассматриваются методы сенсорного зондирования и коммуникационные технологии. Использование точных методов выборки приводит к большим данным из-за научного характера сбора этих данных. Чтобы обеспечить непрерывный поток этих данных, необходимы постоянное электропитание и бесперебойное соединение. Данные хранятся локально и постоянно синхронизируются с облачным сервисом.

Облако предоставит расчеты здоровья растений на основе анализа данных датчиков.В отличие от расчетов, мы предлагаем методологию использования метода глубокого обучения, который использует изображения с камеры RGB, изображения листьев хлорофилла и изображения с тепловизора для оценки здоровья растений. Такая методология может привести к столь же точным, но более доступным решениям, применимым в производстве. Общими преимуществами моделей глубокого обучения и интеллектуального анализа больших данных являются системы упреждающего оповещения и мониторинга или автономное принятие решений, которые особенно полезны в интеллектуальном сельском хозяйстве [8]. Кроме того, объединение визуальных данных, таких как изображения, и использование датчиков для обучения соответствующей модели глубокой нейронной сети на основе визуальной информации оказывается важным для создания доступной системы интеллектуального сельского хозяйства [9].Визуальный анализ информации снижает сложность мониторинга и снижает общую стоимость при сохранении точности, достигаемой с помощью кластера датчиков.

Этот расчет здоровья растений используется в проекте для оптимизации периодов отливов. Решение о том, когда произвести смену фазы, является ключевым вопросом в проекте. Цель состоит в том, чтобы добиться продолжительных периодов отлива для более высокого уровня питательных веществ в растениях, избегая при этом увядания растений. Это основная проблема, которую предстоит решить в предстоящем экспериментальном проекте.

Мы написали эту статью в рамках проекта Хорватского научного фонда Urtica — BioFuture [10]. Проект направлен на развитие современного исследовательского центра теплиц в качестве качественной основы для будущих исследований на факультете сельскохозяйственных наук Загребского университета, Хорватия, при поддержке в области компьютерных наук Загребского университета прикладных наук. Этот проект фокусируется на питательных и функциональных ценностях Urtica Dioica (крапива обыкновенная) в современных методах гидропонного культивирования [10].

Этот документ организован следующим образом. Связанная с этим работа над существующими решениями для теплиц обсуждается в Разделе 2. Затем в Разделе 3 представлены ключевые моменты архитектуры и дизайна системы. В этом разделе следует подробное описание датчиков и сбора данных с выделением плана теплицы, где новый Предлагается позиционирование данных датчика для захвата всех карманов микроклимата. Позже будет описана облачная связь и хранилище. Наконец, приблизительная стоимость системы.В разделе 4 мы представили эксперимент с моделью подвесной платформы. Работа завершается разделом 5, где обсуждаются преимущества предлагаемой нами системы и подвесной платформы, и, наконец, даются некоторые направления будущих исследований.

2. Сопутствующие работы

Сенсорная система является важнейшим элементом интеллектуального сельского хозяйства. При выращивании в теплице, особенно в лабораторных условиях, любая ценность эксперимента может иметь значение. Большинство современных тепличных решений используют датчики на разных этапах ведения сельского хозяйства для сбора информации, эффективного мониторинга и принятия решений.Главный недостаток этих тепличных решений — отсутствие сенсорной диверсификации.

Wei et al. [11] представили обзор современного развития технологий и методов в аквапонике. В теплице качество воды, данные об окружающей среде и информация о питательных веществах участвуют в интеллектуальном мониторинге и контроле. В документе обобщены интеллектуальные, интенсивные, точные и эффективные концепции аквапоники, которые мы использовали в качестве отправной точки для развития наших теплиц.

2.1. Датчики

В современных научных экспериментах в теплицах необходимо использовать огромное количество различных датчиков, чтобы снизить вероятность получения неадекватных результатов исследований. Значительное количество датчиков используется для уменьшения факторов влияния на различные местоположения теплицы и для обнаружения различных факторов влияния на рост растений. Из-за характера любой научной разработки очень важно удерживать расходы в рамках проекта. Поэтому эксперименты с дорогими и сложными датчиками в таких проектах могут оказаться неэкономичными.Кроме того, применение такой среды на производственных объектах может оказаться сложной задачей [12]. Различные датчики необходимы для научно обоснованных подходов к интеллектуальному и точному сельскому хозяйству. Эти датчики включают датчики окружающей среды, источника питания (для повышения энергоэффективности), датчики питательного раствора и датчики, определяющие содержание хлорофилла в растениях [13].

Практически все переменные окружающей среды (температура, влажность, количество света в общих и отдельных спектральных областях, атмосферное давление и качество воздуха) в тепличной системе могут использоваться в качестве считываемых данных.В связи с особыми требованиями тепличного эксперимента необходимо отслеживать различные типы переменных окружающей среды, и, следовательно, необходимо измерять различные значения датчиков [13]. На основе опыта и экспериментальных параметров отбирается множество различных комбинаций: температура, влажность, концентрация CO2, освещенность, освещенность (ограниченная определенной частью спектра). Другие датчики включают атмосферное давление, удельную концентрацию газа (кислород, азот, озон) [13,14].

В дополнение к датчикам окружающей среды существуют другие датчики, которые используются для повышения осведомленности об окружающей среде и энергопотреблении в рамках проекта (экологичные решения), что дает преимущество в экономических затратах.Для этого используются датчики источника питания для определения энергетического следа теплицы. Стратегия строительства современной теплицы ориентирована на энергоэффективное оборудование, датчики и процессы. Bersani et al. [15] написал статью о точных и устойчивых подходах к сельскому хозяйству, в которой основное внимание уделяется текущему передовому технологическому решению для мониторинга, отслеживания и контроля тепличных систем, чтобы сделать производство более устойчивым. Pentikousis et al. [16] обсуждает коммуникационную среду датчиков для передачи их данных и предлагает методы агрегирования данных на стороне сервера.Кроме того, в статье представлены устойчивые подходы к достижению почти нулевого потребления энергии при отказе от использования воды и пестицидов.

В производственных теплицах датчики окружающей среды и энергоснабжения используются как часть процессов контроля и управления для задержки или ускорения принятия решений об открытии окон, жалюзи или переключении тепловых процессов, таких как охлаждение или обогрев. Пример системы контроля и управления представлен в [17,18]. Собранные данные могут быть обработаны с использованием гибридных методов ИИ [19] или с применением математических моделей [20].Использование системы мониторинга и управления позволяет добиться нулевого потребления энергии. Кроме того, датчики источника питания могут использоваться в качестве средства оповещения для предупреждения об отключении электроэнергии, что может вызвать непоправимый ущерб и потерю данных научных исследований. Как показано в [21], в случае отказа основного питания может быть реализовано адаптивное управление питанием, чтобы продлить срок службы резервного источника питания.

В теплицах источник питания используется для доставки питательных веществ к растениям и поддержания необходимого уровня питательных растворов в плавучей системе.Поэтому датчик уровня раствора используется для контроля уровня раствора в плавающей системе [11]. Датчики питательного раствора используются для определения свойств питательного раствора. Наиболее распространенными характеристиками, измеряемыми в питательном растворе, являются температура, растворенный кислород, общее количество растворенных твердых веществ (TDS) и значения концентрации водорода (pH) [11].

В гидропонной плавающей системе корень растения частично погружается или опрыскивается в питательный раствор и в большинстве случаев находится в среде для выращивания.Эта питательная среда извлекает влагу из питательного раствора. Содержание влаги можно измерить с помощью гигрометра почвы (датчик влажности) [22], который вставляется в среду выращивания. Датчик состоит из датчика EC и измерителя сопротивления почвы. Он используется для измерения электрического сопротивления почвы, которое является индикатором засоленности почвы. Концентрация соли в питательном растворе может со временем меняться, влияя на показания датчика. Следовательно, разница значений датчика во времени более актуальна, чем результаты прямых измерений [23].

Хорошо сбалансированный раствор питательных веществ для растений делает растение более здоровым. За здоровьем растений можно наблюдать, наблюдая за визуальной физиономией растения, и эту систему также можно использовать для анализа и обнаружения болезней растений или повреждений урожая [24]. Раствор питательных веществ следует проверять и часто менять, чтобы улучшить выведение фитопатогенов [25].

Визуальный мониторинг варьируется от устройств, изготовленных на заказ, таких как LeafSpec [26,27], использования обычной камеры в сочетании с микроконтроллером, платы процессора [28,29,30] или камеры смартфона [31,32,33 ].В статьях предлагается наблюдение за установками с различными типами камер: стандартная спектральная камера, инфракрасная камера, тепловизионная камера или камера с цветными компонентами.

Для получения лучших результатов используется камера гиперспектральной и спектроскопической системы [34,35]. Также есть пример индивидуальной системы, использованной в [36]. Камера может наблюдать за растением в целом или только за его частью, например, за листьями. Контекст также отличается точностью изображения. Изображение может быть снято в точном положении с небольшим фоновым шумом или на расстоянии с несколько непредсказуемым фоном и условиями просмотра.

В отличие от систем камер, в [37,38] используются датчики цвета RGB. Датчик цвета RGB или инфракрасный датчик обеспечивает прямое числовое значение для определенной детали на захваченном изображении.

2.2. Сбор данных

Различные сегменты теплицы подвержены определенному микроклиматическому карману, обычно вызванному ориентацией теплицы, внешним затенением, используемыми материалами, материалами или другими причинами. Следовательно, определение местоположения датчика и временные рамки выборки имеют решающее значение для сбора данных в современной теплице.Определенные карманы микроклимата влияют на рост растений и будут влиять на данные, если они не включены в расчет эксперимента. Следовательно, датчики должны предоставлять нормализованные данные и данные о микроклимате, характерные для конкретного места в теплице. Нормализованные данные собираются с использованием конкретных моделей, которые оценивают или интерполируют данные датчиков по теплице [39,40].

Kochhar et al. [6] классифицировал фиксированное позиционирование датчика как горизонтальное, вертикальное и гибридное. Такого типа позиционирования недостаточно для сбора всех данных о микроклимате [41].Wu et al. [41] предложили модель размещения датчика для максимального охвата цели без окклюзии. В качестве альтернативы фиксированному позиционированию во многих документах предлагается размещение мобильных датчиков в теплицах [13,42,43,44,45].

При использовании автономного транспортного средства-носителя датчиков необходимо уделять значительное внимание оптимизации компоновки для быстрой и безопасной навигации [45]. В статье [46] предлагается система обнаружения препятствий с использованием сенсора Kinect. Эти датчики подключены к роботизированному транспортному средству, которое перемещается по теплице [43].На роботизированном транспортном средстве руку можно разместить для большего доступа [42].

В предыдущих статьях датчики перемещались по теплице для обнаружения и измерения карманов микроклимата. В отличие от движения сенсоров, предлагается система доставки растений для устранения влияния микроклимата на рост растений [44]. Это комплексное решение по-прежнему оставляет влияние микроклимата на данные датчиков. В других работах предлагается использовать дроны, особенно на полях растений [13].

При использовании переменного макета датчика большой объем данных собирается и обрабатывается локально или отправляется в облако.Эти данные могут быть очень сложными для анализа из-за дополнительного компонента, связанного с местом их сбора. Сокращение данных может быть достигнуто путем удаления повторяющихся результатов с использованием методов выборки данных датчиков. Подобные измерения соседнего населенного пункта можно исключить, если разница ниже порога, зависящего от контекста, который зависит от требуемого качества данных. Другой подход к процедуре отбора проб предполагает небольшой гистерезис вокруг последнего результата измерения. Если результат остается в пределах данного кадра, он отбрасывается, поскольку никаких изменений не обнаружено [47].Также предлагается отбросить небольшие аномалии [6]. Используя алгоритм, предложенный Kochhar et al. Частота дискретизации датчика может быть максимизирована для захвата определенных событий, а избыточные данные отбрасываются [6].

Для сбора, обработки и выборки данных требуются вычислительные мощности в форме обработки и хранения данных. Плата вычислительной мощности, оснащенная микроконтроллером или процессором с операционной системой, необходима для связи данных датчика и базы данных. База данных может быть доступна на месте или через подключение к удаленной базе данных в облаке.В зависимости от требований каждая система может быть основана на микроконтроллерах, плате процессора с операционной системой или гибридной системе.

Микроконтроллеры обеспечивают лучшие варианты интерфейса для подключения к датчикам. Большинство из них оснащены несколькими интерфейсами подключения, такими как I2C, SPI или UART. Наиболее часто используемые микроконтроллеры основаны на Arduino. Наиболее популярные платы, совместимые с Arduino, включают Arduino UNO, Arduino Yun, Arduino Nano, Arduino Mega, ESP8266, ESP32, Intel Galileo Gen 2, Intel Edison, Beagle Bone Black и Electric Imp 003 [48].

Микроконтроллеры обеспечивают прямые интерфейсы аналогового ввода, поскольку они оснащены аналого-цифровыми преобразователями. Однако им не хватает возможностей хранения, многопоточности и многопроцессорности. Rabadiya et al. [49] предложили систему, реализованную с использованием ESP8266 и поддержки Arduino. Есть также несколько статей, использующих платы Arduino для обработки данных в теплицах [13,50,51].

Другой подход, противоположный микроконтроллерам, — это процессорные платы с операционной системой.Наиболее распространенные операционные системы — это определенные дистрибутивы Linux без графического интерфейса. В таких средах есть возможность локального хранилища базы данных с возможностями многопоточности и многопроцессорности. Самые популярные процессорные платы, включающие операционную систему, — это Raspberry Pi, Orange Pi, Banana Pi, Odroid. Однако эти платы имеют меньшее количество контактов, чем платы микроконтроллеров. У них есть интерфейсы I2C, SPI и UART, но нет аналоговых входных контактов, которые оснащены аналого-цифровыми преобразователями.Эти типы плат обычно имеют большие требования к мощности и размерам. Существуют гибридные решения на основе платы микроконтроллера с крошечной ОС (например, RTOS, MicroPython) [23].

В нескольких статьях предлагается комбинация микроконтроллеров и процессорных плат для снижения требований к питанию и обеспечения нескольких датчиков аналогового интерфейса. Системы с более низким энергопотреблением обычно основаны на концепциях с питанием от солнечных батарей или батарей [52].

В комбинированной системе узел состоит из набора микроконтроллеров, которые обеспечивают интерфейсы датчиков для процессорных плат, которые собирают и отправляют данные в облако.Каждый узел собирает данные от нескольких датчиков, подключенных через интерфейсы. Узлы могут быть подключены к источнику питания, батарее или работать от солнечной энергии. В комбинированной системе требуется центральный узел на базе узла процессорной платы [52].

Для обеспечения связи между узлами необходимо соединение. Эти подключения можно разделить на беспроводные и проводные. Для устройств Интернета вещей доступно несколько стандартов беспроводной связи. Предлагаемое беспроводное соединение зависит от доступности интерфейса микроконтроллера или платы процессора, требуемой мощности, требуемой полосы пропускания соединения, расстояния связи и общих препятствий в связи [53].Протоколы подключения варьируются от Bluetooth и WiFi до GSM, радио (NRF) или ZigBee [6,54].

Существуют также протоколы мобильной сети, такие как GPRS, 3G, 4G и 5G [55]. Можно изобрести конкретный протокол, но это не стандартное решение для использования из-за несовместимости с другими системами. При использовании беспроводной связи ожидается большее потребление узла мощности.

Напротив, проводное соединение может использовать соединительный провод для подачи питания. Самый известный протокол — power over ethernet.Однако есть и другие варианты, которые не стандартизированы. Проводное соединение обеспечивает источник бесперебойного питания (ИБП), который обеспечивает доступность системы в случае сбоя питания. ИБП также предоставляет узлам информацию о сбое питания или низком заряде батареи ИБП. Эта информация может использоваться для корректного завершения работы всех узлов и своевременного оповещения обслуживающего персонала.

Каждая коммуникация состоит из уровня физического канала и уровня логического канала. Уровень физического канала может использоваться как проводной или беспроводной канал.Выше физического уровня находится логический уровень в виде протокола связи. В большинстве простых решений можно запрограммировать конкретный протокол для конкретного решения. В большинстве случаев используются стандартные сетевые протоколы и адресация, например Интернет-протокол (IP). В устройствах Интернета вещей стандартизированы определенные протоколы. Наиболее часто используемым конкретным протоколом является передача телеметрии очереди сообщений (MQTT) [50]. Несмотря на определенные протоколы IoT, стандартные протоколы связи веб-сервисов, такие как HTTP, HTTPS и SOAP, являются общими.

При работе с общедоступными сервисами необходимо обращать внимание на безопасность. В любой сетевой архитектуре существует риск угроз кибербезопасности. Чтобы сделать систему более безопасной, Astillo et al. [56] предложили облегченное распределенное обнаружение на основе спецификаций для эффективного и действенного выявления неправильного поведения гетерогенных встроенных узлов IoT в замкнутой интеллектуальной системе тепличного сельского хозяйства.

2.3. Сбор больших данных и глубокое обучение

Данные, полученные от сенсорной системы теплицы, хранятся в облаке.Облако позволяет отображать данные во временных рамках и выполнять комплексный анализ для прогнозирования поведения теплицы. Собранные данные, хранящиеся в облаке, могут обрабатываться различными алгоритмами в сложной модели или использоваться в качестве обучающих данных для нейронной сети [3]. Kocian et al. [57] предсказывают рост растений в теплицах, используя байесовскую сетевую модель. Рост растений можно предсказать с помощью простых алгоритмов, таких как линейная регрессия [58]. Готовые решения или выводы могут использоваться в качестве триггеров в других системах, таких как реализации умного дома, как описано Chen et al.[59].

Сложные глубокие нейронные сети становятся незаменимым инструментом для анализа больших данных в различных областях науки, включая интеллектуальное сельское хозяйство [60,61,62]. Использование огромного количества данных, собранных за длительный период времени, позволяет обучать сложные глубокие нейронные модели. Модели глубоких нейронных сетей — один из важнейших подходов, используемых в компьютерном зрении. Глубокая нейронная модель со многими параметрами может использоваться для классификации культур, прогнозирования урожайности и раннего обнаружения стресса и болезней.Значительная часть работы на основе компьютерного зрения в интеллектуальном сельском хозяйстве сосредоточена на обнаружении стресса растений, либо как раннее обнаружение болезней [63], либо обнаружение дефицита воды [64,65,66,67,68].

Классификация растений — еще одно важное направление исследований, поскольку она позволяет обнаруживать и устранять сорняки [69], что приводит к полностью автоматизированным системам возделывания культур. Подсчет фруктов [70,71,72] с использованием глубоких нейронных сетей и компьютерного зрения значительно улучшает прогнозирование урожайности и автоматизированный сбор урожая.Обнаружение объектов можно использовать для обнаружения препятствий в теплицах, ведущих к проезду автономного транспортного средства.

Глубокое обучение улучшает прогнозирование погоды [73,74], что является ключом к успешному прогнозированию опасных погодных явлений (штормов или наводнений), которые могут нанести серьезный ущерб теплице. Распознавание особенностей растений как часть фенотипирования растений [75] недавно выиграло от моделей глубокого обучения, которые заменяют ручную работу, повышая эффективность и результативность точной архитектуры.

В современных исследованиях теплиц анализ изображений с использованием компьютерного зрения резко снижает потребность в различных датчиках и даже позволяет создавать недорогие решения с несколькими или несколькими экземплярами получения изображений [34,35].Глубокое обучение может помочь в оценке флуоресценции хлорофилов, как показано в [76]. Для успешного обучения модели глубокой нейронной сети решающее значение имеет надежная модель проверки. Тщательно разработанная схема расположения датчиков необходима для успешного обучения и проверки нейронной модели компьютерного зрения. Специальные датчики могут использоваться для предоставления числовых данных в корреляции с полученными изображениями [37,38].

3. Проектирование и архитектура системы

Дизайн и архитектура системы представлены в формате.На рисунке описана общая архитектура предлагаемой тепличной системы, и поэтому она обсуждается в подразделах этой главы. В этом разделе подробно описываются дизайн и архитектура. Сначала описывается получение датчика, затем предлагается и обсуждается размещение датчика. Методология сбора данных представлена в третьей части этой главы, и, наконец, представлены и описаны сбор и хранение данных.

Дизайн системы и схема физической архитектуры.Изображение описывает организацию основных узлов теплицы с краткими описаниями. Все узлы связаны через локальную сеть и общаются с облаком через глобальную сеть.

3.1. Выбор датчика

Согласно соответствующей работе, существует множество датчиков для мониторинга теплиц в агрономии. Есть датчики, которые напрямую предоставляют данные, описывающие состояние растений или состояние питательного раствора. Значения при выращивании в теплицах, такие как температура, влажность, свет в общем и отдельном спектральном диапазоне, атмосферное давление, качество воздуха, влажность почвы, pH почвы и насыщение кислородом, можно эффективно контролировать с помощью датчиков.Этот широкий спектр датчиков различается по методам измерения, электрическим характеристикам, технологиям связи, требованиям к мощности, точности и дальности действия. Датчики, собранные согласно соответствующей работе, можно классифицировать в соответствии с их локализацией при измерении:

Узел датчика энергоэффективности и достоверности блока питания (БП)
Узел датчика внешней среды
Узел датчика внутренней среды и листа
Узел датчика питательных веществ появился в подготовленном растворе
Узел датчика питательных веществ появился в плавающей системе

Узел датчика энергоэффективности основан на мониторинге блока питания.Контролируемые значения — это уровень напряжения, уровень тока, коэффициент мощности, выходная мощность и потребляемая мощность. Предлагаем использовать цифровой измеритель мощности для измерения значений напряжения, тока, мощности и мощности в режиме реального времени. Значения мощности можно использовать для оценки максимальной мощности в течение дня, которая определяется как напряжение и ток в заданное время. Потребляемая мощность рассчитывается в желаемый период времени и определяет энергию, требуемую в течение выбранного периода времени. Эти два значения могут определять оптимальные параметры для альтернативных источников энергии.Кроме того, это позволяет нам контролировать все конкретные процессы в теплице, чтобы сделать их более энергоэффективными. Для измерения энергии мы предлагаем датчик счетчика электроэнергии ПЗЭМ-004Т [77], подключенный к интеллектуальному устройству через последовательный интерфейс.

Мы предлагаем разделить потребление энергии в теплице на процессы мониторинга, нагрева / охлаждения и выращивания. Процесс мониторинга позволяет нам отслеживать рост растений с помощью нескольких различных датчиков и процессов. Измерения, полученные с помощью этих датчиков, предоставляют информацию, которая приводит к решению о параметрах питательного раствора и служит входными данными для других тепличных процессов.Энергетические потребности этой системы зависят от количества датчиков, их местоположения, частоты дискретизации и технологий, используемых для сбора данных. Система мониторинга энергопотребления важна на этапе исследования, в то время как в производственной среде теплица должна иметь предсказуемый энергетический след.

Процесс нагрева-охлаждения позволяет поддерживать постоянные параметры температуры и влажности в теплице. Этот процесс требует больших затрат энергии и играет важную роль в росте растений.В лабораторных условиях максимально допустимые отклонения температуры и влажности могут варьироваться от минимального до предела отклонения без отклонения.

Процесс выращивания состоит из приготовления питательного раствора, процессов оценки уровня воды и переноса питательных веществ из хранилища в плавучую систему. В этом процессе мониторинг блока питания в основном сосредоточен на сообщении об ошибке, поскольку потребляемая мощность не должна значительно колебаться. Следует обнаруживать сбои в подаче электроэнергии, чтобы свести к минимуму нарушение уровней питательного раствора в плавучих системах.

Узлы внешних датчиков окружающей среды за пределами лабораторной теплицы измеряют метеорологические данные. Эти данные используются для оценки энергоэффективности теплицы путем сравнения энергопотребления для отопления или охлаждения теплицы с желаемой температурой и влажностью. Этот узел дополнительно обеспечивает показания интенсивности светового спектра и общего качества воздуха. Узел датчика состоит из CO2, температуры, влажности, давления, многоканального датчика газа, ультрафиолетового (УФ) и видимого света, а также датчика видимого света с ИК-фильтром.Выбор датчика, диапазон измерения и точность были оценены на основе предыдущих данных, измеренных вручную в теплице.

Узел внутреннего датчика температуры окружающей среды и листьев установлен над плавающей системой. Собранные данные используются для контроля внутренних тепличных процессов. Внутренние процессы теплицы — это обогрев, охлаждение, открытие окон, вентиляция и блокировка внешнего света. Они используются для установки предпочтительной температуры, влажности, уровня CO2 и интенсивности света в ИК, видимом и УФ спектральном диапазоне.Этот сенсорный узел состоит из аналогичного набора сенсоров, аналогичного внешнему сенсорному узлу, дополнительно оснащенного RGB и тепловизионной камерой, а также цветным датчиком RGB.

Измеренные данные используются для оценки окружающей среды растений и, таким образом, влияют на здоровье растений. Из-за особенностей микроклимата теплицы положение внутреннего узла датчика должно быть точно определено в соответствии с соответствующими работами. Внутренний сенсорный узел оснащен листовым сенсорным узлом, который содержит тепловизионную камеру и видимую камеру без ИК-фильтра.Изображения с камеры используются для определения содержания хлорофилла и питательных веществ в листьях, выраженного в числовых значениях. Положение сенсора камеры имеет решающее значение для получения изображений более высокого качества без шума. Внутренний сенсорный узел должен быть расположен над растением или рядом с растущим растением, чтобы получать изображения под разными углами.

Узел датчика оснащен датчиком цвета RGB для точного определения цвета листа, когда он освещен сверху, согласно соответствующей работе [37,38].Полученные данные датчика используются в качестве обучающих данных для построения модели ИИ, которая оценивает данные только по изображениям. На более позднем этапе данные датчиков используются для проверки прогнозов модели.

Узлы датчиков питательных веществ, созданные в подготовленном растворе, и узлы датчиков питательных веществ, созданные в плавающей системе, предоставляют информацию о состоянии питательного раствора. Датчики гидропонной системы включают датчик температуры, уровня PH, растворенного кислорода, общего растворенного твердого вещества (TDS) и датчик влажности, вставленный в среду для выращивания.Датчик уровня используется для контроля и сигнализации уровня питательного раствора в плавающей системе. Лазерный датчик дальности используется для точного контроля уровня питательного раствора в условиях низкой освещенности.

3.2. Размещение сенсора

Размещение сенсора показывает, как сенсоры расположены в теплице. В литературе размещение датчиков часто называют компоновкой или компоновкой теплицы. Размещение ориентировано на физическое расположение датчиков, а не на топологию системы, которая описывает поток информации между датчиками, микрокомпьютерами и облаком.

Размещение сенсора — это главный фактор, который необходимо применять с осторожностью, как описано в соответствующей работе. Внутри теплицы находится динамическая среда, где перепады температур во время цикла роста растений или регулировка воздушного потока могут повлиять на результат работы датчиков. В большой теплице может быть несколько микроклиматических очагов, которые могут меняться по местоположению или интенсивности с течением времени.

Согласно родственной работе, существует хорошо известная традиционная система горизонтального и вертикального позиционирования датчиков [6].Помимо горизонтального и вертикального позиционирования, существуют также гибридные решения, такие как полки, коробки, многоуровневые решения и решения «ведущий-ведомый». Эти решения пытаются устранить влияние микроклимата, исключая его из эксперимента (растения у стен теплицы не включаются в результаты измерений) или измеряя влияние микроклимата в каждой позиции [13,42,43,44,45].

Автоматизированное роботизированное транспортное средство, оснащенное датчиками окружающей среды, предлагается для предоставления данных в различных частях теплицы [45].Преимущество такого решения — горизонтальное покрытие теплицы. Недостаток — измерение определенной вертикальной плоскости у пола теплицы. В случае настольных экспериментов плоскость сенсора транспортного средства и угол обзора камеры могут оказаться бесполезными. Даже при динамическом вертикальном позиционировании вертикальное и горизонтальное позиционирование ограничено из-за недоступности системы зависания и зон роста растений. Такой подход также невозможен в теплицах без ровной поверхности, так как транспортным средством может быть проблематично ориентироваться.

Другие подходы предполагают использование дрона (винтокрылого аппарата), который может управляться автономно или вручную [13]. Интеграция датчиков в систему беспилотных дронов может привести к множеству источников систематической ошибки и неопределенности, если их не учитывать должным образом [78]. Например, измерение может быть неверным из-за тяги дрона, температуры, влажности и уровня газа. Измерения можно математически скорректировать в лабораторных условиях с помощью дополнительных экспериментов. Система дронов представляет дополнительный риск для безопасности, поскольку люди или растения в теплице могут быть повреждены во время полета.Если требуется непрерывный отбор проб, дроны (особенно хорошо оборудованные) потребляют много энергии, поэтому время полета и время зарядки аккумулятора могут стать проблемой.

Чтобы смягчить недостатки классического горизонтального и вертикального размещения датчиков, различных концепций автоматизированных роботизированных транспортных средств или даже технологий дронов, оснащенных датчиками, мы предлагаем решение для реализации подвесной платформы с сенсорным узлом. Благодаря такому подходу мы устраняем проблему неровной поверхности теплицы или других препятствий, которые могут появиться на полу теплицы, таких как водопровод или другие объекты инфраструктуры.Более того, при постоянном питании срок службы батареи не является проблемой по сравнению с автономным транспортным средством или дронами. Побочный эффект позиционирования минимален, в отличие от дронов, которые создают турбулентность воздуха и влияют на измерения. Концепция подвесной платформы вдохновлена механической конструкцией стола станка с ЧПУ или 3D-принтера. Эта конструкция очень жесткая, и она может влиять на солнечный свет растения, блокируя его. Собрать сложнее из-за легких строительных прутьев теплицы.

Для решения этих проблем предлагается новая концепция подвесной системы трехмерного позиционирования, основанная на новом подходе к крупномасштабной трехмерной печати [79]. Эта концепция позволяет подвешивать подвесную платформу с сенсорными узлами и управлять ею с помощью подключенных проводов. Чтобы обеспечить трехмерное позиционирование, провода прикрепляются от подвесной платформы к потолку и по диагонали к углам теплицы. Система представлена в.

Предлагаемая концепция подвесной платформы. Подвесная платформа использует для позиционирования робота с шестью степенями свободы, подвешенного на тросе.Системы позиционирования кабеля могут быть легко применены в теплицах различной планировки, поскольку они обеспечивают большой диапазон движения.

Подвесной узел датчика позволяет разместить узел датчика в любом возможном положении над плавающей системой, манипулируя координатами X (ширина), Y (длина) или Z (высота). Экспериментальная система может быть запрограммирована на автоматическое позиционирование узла датчика в горизонтальном и вертикальном положениях для получения результатов из различных карманов микроклимата. Используя данные результатов по временным интервалам, можно идентифицировать определенные карманы микроклимата и оценивать их вариации.

Узлы внутренних датчиков окружающей среды и листьев в лабораторной теплице размещены вместе на подвесной платформе. Подвесная платформа используется для обнаружения карманов микроклимата при изменении их положения, а камеры одновременно фиксируют изображения растений. Используя систему автоматического наведения для подвешенной платформы, изображения растений фиксируются во временных рамках и загружаются в облако. В то же время реальные данные измеряются и связываются с изображениями в базе данных. Этот метод можно использовать для подготовки данных для процесса обучения ИИ, а затем в качестве метода проверки.Кроме того, путем анализа этих данных можно обнаружить карманы микроклимата.

Узлы внешних датчиков окружающей среды за пределами теплицы должны быть размещены в оптимальном положении, например, над крышей или в более удаленном месте без влияния внутренних факторов теплицы. В нашем случае достаточно одного узла внешней среды, потому что теплица беспрепятственно освещена прямым солнечным светом. Если теплица имеет определенную ориентацию или препятствия, которые частично блокируют часть теплицы в течение дня, несколько узлов датчиков будут обязательным решением.

Узел датчика питательных веществ, появившийся в приготовленном растворе, помещается на плавучую платформу внутри сборного резервуара. Узлы датчиков питательных веществ, появившиеся в питательном растворе для роста растений, размещаются на плавучей платформе внутри плавучей системы. Датчики питательных веществ требуют особого обращения из-за образования осадка на датчиках. Датчики pH и кислорода не следует постоянно погружать в питательный раствор. После успешного измерения зонды необходимо извлечь из питательного раствора и погрузить в чистую дистиллированную воду перед использованием в том же или другом питательном растворе.Процесс очистки датчиков может выполняться вручную или автоматически с использованием концепции роботизированной руки. Мы предлагаем использовать высококачественные зонды, которые можно погружать в питательный раствор на длительное время без отрицательного влияния на результаты измерений.

3.3. Выборка данных

Процедура выборки данных используется в анализе растений, когда заранее определенное количество точек данных берется из более полного набора наблюдений. Процедура отбора проб очень зависит от типа датчика и его интерфейса.Чтобы правильно задокументировать изменения в параметрах выборки, выборка должна производиться через оптимальные интервалы времени. Ограничение частоты дискретизации определяется типом интерфейса или конкретной технологией датчика.

Тип интерфейса определяет скорость соединения, но она ограничена сенсорной технологией или пропускной способностью общей шины при подключении нескольких сенсоров. Например, прямой цифровой интерфейс, аналого-цифровой преобразователь, последовательный интерфейс, интерфейс I2C и SPI имеют разные ограничения скорости потока данных.Для нескольких устройств скорость делится между несколькими устройствами на общей шине. Таблица данных анализируется для каждого датчика и интерфейса, а максимальная скорость выборки представлена в. Дополнительно средняя стоимость датчика представлена в таблице. Существует дополнительный временной предел для первого измерения в случае датчика pH или растворенного кислорода. Эти ограничения представлены в.

Таблица 1

Используемые датчики согласно соответствующей работе.

002002002 Light VEML 0 люкс 120 000 люкс €

Датчик	Диапазон	Точность	Интерфейс	Первое измерение	Скорость выборки	Стоимость
BME280 темп.[80]	−40 ° C +85 ° C	± 0,5 ° C	I2C SPI	1 с	1 с	€ 12,55
BME280 влажн. [80]	0% отн. 1%	I2C SPI	1 с	1 с	€ 12,55
CO2 NDIR [81]	0 ppm 5000 ppm	± 3%	Аналоговый	3 мин.	49 €.45
UV VEML6075 [82]	Чувствительность: 365 нм, 330 нм	± 10 нм	I2C	50 мс	50 мс	€ 14,55
0,0036 люкс	I2C	1100 мс	1100 мс	€ 4,50
Датчик ГАЗА: CO, NO ₂, C ₂ H ₅ OH, VOC ]	1 ppm 5000 ppm	Зависит от GAS	I2C	30 с	60 с	40 евро.90
		и концентрация
PZEM004T Счетчик энергии [77]	80 В – 260 В 0 A – 100 A 0 Вт – 22 кВт	Уровень 1.0	Modbus-TTL	1 с	1 с	9,70 €
	0 Втч – 9999 кВтч 45 Гц – 65 Гц
Модуль камеры PiNoIR v2 [85]	8 Мп Sony IMX219 БЕЗ ИК-фильтра		Порт камеры	30 кадров в секунду	30 кадров в секунду	30 евро.30
FLIR LWIR Micro Тепловизор	Разрешение 80 × 60	Чувствительность <50 мК	Модуль SPI	30 кадров в секунду	30 кадров в секунду	€ 204,50
100 модуль 2,5 [86100]
DS18B20 цифровой темп. [87]	−10 ° C +85 ° C	± 0,5 ° C	I2C	1 с	1 с	€ 9.70
Датчик TDS [88]	0 ppm 10,000 ppm	± 10% полной шкалы	Аналоговый	1 с	1 с	€ 10,05
Датчик pH [89]	0 pH 14 pH	± 0,1 pH	Аналоговый	1 с	1 с 841003
Датчик растворенного кислорода [90]	0 мг / л 20 мг / л	± 10% полной шкалы	Аналог	1 с	1 с	144 €.00
Датчик мутности [91]	0 NTU 3000 NTU / L	± 10% полной шкалы.	Аналоговый	1 с	1 с	€ 8,45
Влага почвы [22]	1,2 В 2,5 В	Н / Д	Аналог	0	0
Датчик цвета RGB TCS3200 [92]	Значения RG и B 0–255	± 0,2%	Цифровой TTL	1 с (протокол)	1 с (протокол)	€ 6.75
Лазерный датчик [93]	0,012 м 2,16 м	± 1 см	UART	0	0	€ 21,30

Каждый узел датчика имеет собственную вычислительную мощность для анализа данных и локальное хранилище данных. Предлагаемая вычислительная мощность — Raspberry Pi с базой данных MySQL, оснащенная дополнительными скриптами. Скрипты позволяют взаимодействовать между сенсорным интерфейсом и базой данных. Они также отвечают за связь между локальным хранилищем и облаком [52].База данных локального узла датчика определяет интервал выборки, расположение сценария, расположение локальной базы данных, диапазон отклонений и дополнительные данные датчика, которые представлены в. Система запускается из центрального сценария выполнения, написанного на Python, который запускает несколько сценариев для каждого доступного датчика.

ER модель базы данных локального сенсорного узла.

Исключением для хранения в базе данных являются изображения, которые хранятся в локальной файловой системе. Изображения не хранятся в базе данных, поскольку ядро базы данных не может обрабатывать большие двоичные объекты.Путь и имя помещаются в таблицу локальной базы данных вместо данных результатов для отслеживания изображений, хранящихся в файловой системе.

Скрипт запрашивает датчики и сохраняет результат в локальной базе данных вместе с текущей меткой времени. Узлы синхронизируются с атомными часами ежедневно, чтобы обеспечить точную временную метку. Все сценарии настроены так, чтобы отбрасывать значения, которые значительно отклоняются от расчетного порога во время периодов тестовых измерений. Повторяющиеся значения не записываются, потому что они занимают место в базе данных и могут замедлить выполнение запроса.Их отсутствие в базе данных не влияет на окончательный результат, так как система предполагает, что значение не изменилось в течение запрашиваемого периода.

Меньшие отклонения могут быть вызваны колебаниями датчика, которые обычны для аналого-цифровых преобразователей из-за специфики процесса измерения. Колебания также могут быть вызваны специфическими для датчика методами измерения или свойствами измеряемой среды, такими как чистота датчика, движение воды, поток воздуха или отражение света. Эти колебания не нужно хранить в базе данных, поскольку они не имеют прямого влияния на процесс роста растений.Предел отклонений должен быть тщательно оценен на основе технических данных датчика и эмпирического процесса измерения.

Большое отклонение означает, что для проверки датчика должен срабатывать аварийный сигнал. Эти отклонения могут быть вызваны загрязнением датчика, движением (вне среды или солнечного света) или техническими неисправностями. Сообщенные аварийные сигналы автоматически обрабатываются в облаке и передаются на обслуживание. Из-за потенциально значительного воздействия на процесс роста растений в некоторых случаях требуется быстрая реакция (уровень питательного раствора или температура).

Узлы датчиков должны эффективно взаимодействовать с облаком. Этот процесс вводит алгоритм сжатия с потерей данных или без нее, чтобы уменьшить поток данных в центральную базу данных. Для большого количества данных рекомендуется база данных NoSQL [94]. В нашей тепличной модели база данных SQL используется в качестве локального буфера для обеспечения точных предупреждений из-за ограниченной емкости хранилища. Облачная база данных будет основана на NoSQL из-за большого количества данных. Дополнительно можно построить модель хранилища собранных данных для определенных периодов времени.

3.4. Сбор данных

Каждый сенсорный узел имеет хранилище локальной базы данных, хранилище файловой системы и вычислительную мощность. Все узлы подключены к проводному Интернету. Проводной Интернет используется для обеспечения непрерывной связи, поскольку беспроводное соединение имеет более высокий уровень помех. Проводной межблочный кабель используется для подачи питания по методу, известному как питание по сети Ethernet. В этом методе используются четыре провода, которые не используются в стандартном Ethernet-соединении со скоростью 100 Мбит / с. Нестандартное напряжение питания (12 В) используется для питания вычислительного узла, датчиков и моторной системы подвесной платформы.Имеющееся напряжение (12 В) выпрямляется внутри узла в другие требуемые напряжения в соответствии с техническими данными датчиков. Таким образом, подключение и питание обеспечивается одновременно через кабельное соединение с центральным источником питания. Предлагаемые датчики имеют низкое энергопотребление и не требуют кабеля с большой пропускной способностью по току (большого сечения). Использование батарей или солнечных элементов нецелесообразно даже в сочетании с функциями сна микроконтроллера и датчика, поскольку двигатели подвесной платформы требуют значительного количества энергии для наматывания кабелей.

Сенсорный узел предоставляется как центральный узел. В зависимости от положения узлов центральный узел положения является узлом энергоэффективности и источника питания. Этот узел находится ближе всего к проводной глобальной линии связи и источнику питания и имеет дополнительный датчик для проверки доступности основного источника питания. Вся система подключается к основному кабелю через источник бесперебойного питания (ИБП), который имеет последовательный интерфейс для связи с узлом датчика энергоэффективности и источника питания.В случае отказа основного источника питания система работает без перебоев в течение определенного периода времени, определяемого мощностью ИБП. ИБП использует питание от батареи вместо основного источника питания и отправляет информацию в узел энергоэффективности и источника питания в случае сбоя питания. При обнаружении сбоя питания узел энергоэффективности и источника питания предупреждает обслуживающий персонал, чтобы выяснить причину сбоя питания. В нашем тематическом исследовании предлагаемые временные рамки составляют восемь часов, чтобы обеспечить своевременное обслуживание.

ИБП информирует узел энергоэффективности и источника питания о запуске запросов на отключение, которые распространяются на другие узлы датчиков, как только уменьшается заряд батареи. Поскольку все узлы оснащены операционной системой, локальной базой данных, локальной памятью и скриптами на плате SD, ожидается плавное завершение работы. В случае немедленного сбоя питания существует вероятность того, что файловая система будет повреждена, и операционная система не загрузится. Каждый узел подтверждает запрос на упорядоченное завершение работы и запускает процесс завершения работы.После потери сетевого подключения к сенсорному узлу узел энергоэффективности и питания знает, что на сенсорном узле завершено постепенное отключение. После определения того, что все узлы завершили процесс отключения, узел энергоэффективности и источника питания отключится. Этот процесс должен начаться вовремя до того, как полное отключение питания ИБП завершится успешно. Период отключения должен быть увеличен, поскольку батареи ИБП со временем теряют емкость.

Узлы энергоэффективности и питания информируют обслуживающий персонал предупреждениями о следующих приоритетах: фатальном, техническом и аномальном.Неустранимые неисправности, такие как отказ источника питания, немедленно отправляются обслуживающему персоналу. Технические и аномальные ошибки собираются и представляются пользователям облака при подключении. Технические неисправности связаны с архитектурой и обслуживанием технической системы. Аномальные неисправности связаны с показаниями датчика, отличными от нормы. Ошибки с низким приоритетом могут увеличиваться. Например, неправильное показание датчика является аномальной неисправностью. Если в течение короткого промежутка времени неоднократно обнаруживаются несколько предупреждений об аномалии, аномальная ошибка переводится в категорию технической неисправности.Если аномалия обнаруживается в течение длительного периода времени, она преобразуется в серьезную неисправность, поскольку может указывать на отказ оборудования и требовать вмешательства.

Все данные датчиков собираются и сохраняются в локальной базе данных для каждого узла датчика. Узел энергоэффективности и источника питания хранит информацию о других узлах датчиков и данные локальных датчиков. Эти данные необходимо передать в облако для детального анализа.

3.5. Хранение и анализ данных в облаке

Хранение данных в облаке является очевидным требованием для любой потенциально распределенной системы, настроенной для сбора данных за короткие промежутки времени.Это особенно верно для изображений, где хранилище на месте может быстро стать недостаточным, что ограничивает масштабируемость. Сегодня стоимость облачного хранилища делает такое хранилище данных доступным практически для любого бюджета, гарантируя доступность данных и необходимую поддержку инфраструктуры для доступа к данным с малой задержкой.

Облако получает данные через общедоступную точку веб-службы, защищенную стандартным механизмом аутентификации и белым списком для IP-адресов. Данные передаются как простой JSON и хранятся в хранилище данных NoSQL благодаря прямой совместимости с форматом JSON.Изображения загружаются в формате RAW, на который ссылаются данные JSON и который хранится в облачном хранилище BLOB-объектов. Узлы локальных датчиков организуют данные и сразу же загружают их в облако, используя процесс выборки. В случае возможного сбоя сети или проблем с сервером данные хранятся локально в течение более длительного периода времени, чтобы избежать потери данных. Подходящий период для локального хранения оценивается эмпирически и зависит от процесса выборки и емкости жесткого диска. Полученные данные анализируются в облаке для определения состояния системы.Архитектура системы высокого уровня представлена в.

Архитектура системы верхнего уровня.

Данные, полученные из теплицы, систематизируются и обобщаются для анализа зависимых и независимых переменных процесса. Модель глубокой нейронной сети действует как нелинейная функция высокого порядка, которая определяет здоровье растений только на основе простых изображений с камеры. Это может включать модель глубокой нейронной сети, основанную на тепловом изображении и множественных зависимых основных цветных (RGB) изображениях камеры без инфракрасных фильтров.Кроме того, доступно решение для хранилища данных, которое поддерживает необходимость в повторяющихся отчетах с данными за определенные периоды времени.

Здоровье растений зависит от того, когда наступит конец периода отлива, поскольку здоровье растений ухудшается с продолжительными периодами отлива. Принятое таким образом решение должно максимально продлить периоды отлива и, таким образом, согласно предыдущим исследованиям в области агрономии, обеспечить растение более высокой питательной ценностью [95]. Будут и другие плавающие системы с фиксированными периодами отлива, которые будут действовать в качестве экспериментальной контрольной группы во время этого эксперимента.Для них также будет рассчитано здоровье растений.

Здоровье растений будет определяться двумя разными процессами. Первый процесс включает в себя модель глубокой нейронной сети, которая оценивает здоровье растений путем анализа изображений теплицы. Второй процесс оценивает здоровье растений математически на основе показаний датчиков, предоставленных теплицей. Данные, полученные в результате второго процесса, используются в качестве поправочного коэффициента для обучения и подгонки модели глубокого обучения. Расчет состояния растений только с помощью нескольких статически размещенных камер значительно снижает стоимость строительства теплицы.

Даже без системы сенсорных узлов можно обнаружить неисправность системы на основе расчета состояния растений за определенный период времени. В течение этого периода внезапные отклонения в расчетах здоровья растений будут предупреждать исследователей, потому что существует возможная проблема с предлагаемой моделью расчета или серьезные проблемы в тепличной системе, такие как уровень питательного раствора, температура или ошибка искусственного освещения. В конечном итоге изображений, обработанных с помощью модели глубокой нейронной сети, должно быть достаточно, чтобы заменить систему узлов датчиков для определения здоровья растений в производственной теплице.

3,6. Модель глубокой нейронной сети

Модели глубокого обучения обычно содержат значительное количество обучаемых параметров, обучение которых занимает много времени. В контексте компьютерного зрения умозаключение также может быть узким местом. Несмотря на то, что в области периферийных вычислений и оптимизации таких моделей для работы в полевых условиях и даже на встроенных устройствах наблюдается значительный прогресс, для достижения оптимальных результатов следует использовать высокопроизводительное вычислительное устройство для достижения скорости вывода в реальном или близком к реальному времени.Даже с быстрым ЦП для оценки моделей глубокого обучения может потребоваться значительное количество времени, поэтому необходимы вычислительные блоки графического процессора, которые поддерживают высокую степень параллелизма и оптимизированы для запуска сложных моделей глубокого обучения. Крупномасштабные системы интеллектуального земледелия обычно не требуют обработки в реальном времени. Тем не менее, облачное решение позволяет использовать экономичное локальное оборудование для датчиков и камер и обеспечивает возможность одновременной поддержки нескольких распределенных развертываний с централизованными узлами анализа ИИ.После завершения обработки модели на основе глубокого обучения данные сохраняются и становятся доступными для дальнейшей обработки. Фактически, система предназначена для переобучения модели с большим объемом данных, когда будет собрано достаточно новых данных, что увеличивает эффективность и точность модели.

Контролируемое обучение — это простой подход в данной системе, в основном из-за высокой доступности и большого количества достоверных данных — ценности здоровья растений — рассчитываемых из надежного источника датчиков.Для обработки изображений модель глубокого обучения состоит из магистрали, основанной на сверточных нейронных сетях, использующих одну из проверенных архитектур магистральных сетей, таких как ResNet [96], Inception [97], DenseNet [98], или эффективную концепцию масштабирования магистральной сети [99]. ]. Поскольку значение здоровья растений представляет собой одно число, модель содержит голову регрессии с функцией потерь MSE. Из-за катастрофического забвения выполнить небольшие периодические обновления модели непросто. Поэтому мы, как правило, использовали большие периодические обновления в течение более длительного периода времени.Мы оставляем подробный анализ сроков обновления модели на будущее.

3,7. Анализ затрат на внедрение

Чтобы описанная интеллектуальная архитектура теплицы была конкурентоспособной на рынке, необходимо включить смету. Расходы можно разделить на затраты на установку и эксплуатационные расходы. Стоимость установки или установки включает стоимость набора датчиков, RGB и тепловизионной камеры, установку подключения к Интернету (если отсутствует) и подвесного крепления платформы. показывает ориентировочную разбивку стоимости на датчик.Стоимость датчика можно снизить, используя модуль AI для оценки значений датчика на основе изображений растений RGB. Эксплуатационные расходы включают стоимость подключения к Интернету, стоимость хранения данных и вычислений, а также стоимость обработки графическим процессором для анализа изображений AI. В зависимости от срока хранения данных и уровня выборки стоимость хранения и вычислений может быть несколько скорректирована в соответствии с конкретными потребностями. Обработка графического процессора в моделях ценообразования с оплатой по факту потребует прибл. 200–300 мсек. Время обработки графическим процессором каждого анализируемого изображения. Частота анализа изображений также может быть уменьшена, если измерения следуют предсказуемой схеме или имеют высокую точность, не имеющую существенного значения.Стоимость обучения модели не включена, так как оно выполняется один раз во время исследования, и отныне обученная модель будет использоваться только для вывода.

4. Результаты экспериментов

В каждой теплице измеряются температура и влажность. Эти два датчика образуют минимальную схему измерения, хотя для каждой конкретной теплицы может потребоваться определенный набор датчиков. Каждый датчик из набора предоставляет определенные значения, которые зависят от измеряемого элемента. Очень часто измеряемые элементы зависят от положения измерения и соответствующих пространственных вариаций.Например, температура рядом с окном или дверью, рядом со стеклянной стеной или в углу в тени даст разные результаты. Полученные таким образом различия в измерениях образуют карманы микроклимата.

Таким образом, размещение датчика в теплице чрезвычайно важно, поскольку наша основная цель — определить местонахождение и изолировать карманы микроклимата. Изменения, измеренные в карманах микроклимата, влияют на здоровье растений и должны учитываться при расчетах и анализе данных.Это требует автоматического позиционирования датчика в отличие от горизонтального или вертикального фиксированного позиционирования. Связанные с этим исследования сосредоточены на автономных транспортных средствах, конвейерах и беспилотных летательных аппаратах, чтобы найти и изолировать карманы микроклимата. Мы предложили архитектуру подвесной платформы, которая позволяет гибкое пространственное позиционирование, охватывая все три пространственных измерения, как это видно на. Кроме того, концепция гибкого позиционирования необходима для обеспечения получения разнообразных изображений растений для улучшения применимости модели глубокого обучения к новым и невидимым средам.

Модель подвесная платформа. Вид сверху и снизу на смонтированный внутренний сенсорный узел. Модель подвесной платформы во время экспериментального позиционирования — проверка камер и устойчивости платформы во время получения изображения.

Подвесная платформа оборудована датчиками внутреннего сенсорного узла. Узел датчика состоит из CO2, температуры, влажности, давления, многоканального датчика газа, ультрафиолетового (УФ) и видимого света, датчика видимого света с отсекающим ИК-фильтром и датчика цвета RGB для определения цвета листьев.Дополнительно для сбора изображений прилагаются RGB и тепловизионная камера. Во время установки устанавливаются датчики, чтобы предотвратить влияние на поле зрения камеры. Благодаря концепции позиционирования подвесной платформы, тепловыделение узла датчика или засорение солнечным светом не является проблемой, поскольку позиционирование в одном месте является коротким. Это делает предлагаемую нами подвесную платформу очень гибкой и точной, не опасной для растений или растительной среды.

В предыдущих статьях мы нашли в основном целевые измерения микроклиматических точек, основанные на конкретной ориентации теплицы или некоторых конкретных частей, таких как занавески, размытые окна или более плотно расположенные конструкции.Мы предлагаем другой подход к разделению зоны выращивания растений на сетку квадратов 50 × 50 см. Уменьшая размер квадрата, система позиционирования требует частой калибровки, и время посещения всей сетки увеличивается и становится нежизнеспособным, особенно для больших теплиц. Для некоторых типов датчиков измерение не происходит мгновенно, но должно пройти определенное время, прежде чем значение стабилизируется (например, температура). Слишком гранулированная сетка может привести к неточным данным, потому что время измерения для разных квадратов недостаточно часто посещается.Размер квадрата сетки не должен быть слишком большим, иначе микроклиматические карманы могут быть неточно изолированы.

Для предлагаемого квадрата размером 50 × 50 см можно сделать вывод, что допустимое отклонение положения подвесной платформы равно половине стороны квадрата: 25 см. Подвесная платформа выполнена в виде параллельного робота с тросовым приводом. По сути, это набор минимум из 6 кабелей, которые наматываются и разматываются лебедками и соединяют раму и платформу. За счет синхронной регулировки длины различных кабелей груз может плавно перемещаться по широкой площади опорной поверхности с контролем и стабильностью во всех 6 степенях свободы.

Чтобы подтвердить концепцию и определить варианты позиционирования, мы предлагаем эксперимент по созданию модели подвесной платформы и проверке ее способностей к позиционированию. На платформе установлены три лазерных указки, и принтер вручную направляется по проводам в определенное положение. Каждая лазерная указка покрывает одну ось: дисплей на правой стене, дисплей на торцевой стене и дисплей на земле. Каждый раз, когда подвешенная платформа перемещалась, мы отмечали предыдущую точку и измеряли отклонение нового положения от предыдущей точки.Путем нескольких циклов управления мы снизили результаты до приемлемого среднего отклонения в 2,7% ± 2% в позиционировании после полного цикла позиционирования на сетке и перед следующей калибровкой. Предусмотренные размеры позволяют использовать сетку размером чуть более 800 см между противоположными секторами сетки. Кроме того, в нашей лаборатории мы протестировали возможность размещения в различных местах, особенно в углах лаборатории. Точное позиционирование подвесной платформы по высоте также является удовлетворительным, чтобы обеспечить более тщательный осмотр полотна.С помощью модельного эксперимента мы установили, что можно покрыть лабораторную площадку, кроме углов.

Для сравнения, отклонение позиционирования для аналогичного процесса в области 3D-печати составляет до 1,5%, с изолированным выбросом в 9,4% [79]. Мы считаем, что после моторизации с дополнительной калибровкой и испытанием на опыте можно добиться лучших результатов.

Сетевой кабель обеспечивает питание и обеспечивает сетевое соединение с внутренним сенсорным узлом, расположенным на платформе.Хотя мы спроектировали кабель как гибкий, во время позиционирования очевидно, что он влияет на баланс подвешенной платформы, поскольку результаты немного улучшаются в эксперименте без кабеля Ethernet. После нескольких тестов мы отказались от использования кабеля Ethernet и решили использовать вместо него беспроводное соединение. На представленном рисунке для подключения к подвесной платформе предусмотрен только кабель питания.

Наше экспериментальное испытание на модели также показало, что льняной кабель больше подходит для проволоки, чем тонкий канат.Есть возможность запитать внутренний сенсорный узел по двум проводам, на которых подвешена платформа. Это решение будет проверено позже, заменив два провода тонким стальным тросом.

Это устройство, чтобы иметь возможность сбросить свое положение, должно иметь нулевую точку. Нулевая точка края крайне непрактична для нулевой точки. По этой причине мы предлагаем установить 3-осевой датчик и закрепить точку в теплице, где можно будет подтвердить уникальное положение подвесной платформы.Датчик может быть реализован с помощью ультразвука или лазера. Кроме того, такой датчик мог бы обнаруживать препятствия во время движения платформы и останавливать работу устройства, то есть избегать препятствия, перемещая его через вторую ось. На основе этого экспериментального открытия мы можем сделать вывод, что подвесная платформа может использоваться для обнаружения карманов микроклимата и для предоставления разнообразных и высококачественных изображений растений крупным планом для обучения модели глубокого обучения, как показано в.

5. Выводы

В связи с более высоким рынком для производства органических продуктов питания существует потребность в выращивании в теплицах в стерильных условиях, без пестицидов и удобрений, что трудно найти в нашем окружении.Интеграция устройств Интернета вещей в не вычислительные области дает возможность получать аналитику больших данных для каждого измеримого участка внутреннего тепличного процесса. Такой анализ с использованием моделей глубокого обучения дает ценную информацию и научные знания [100].

Основная цель этой статьи состояла в том, чтобы представить современную научную лабораторию для тепличных исследований, которую можно использовать во время и после проекта Urtica-BioFuture. В этой статье мы проанализировали соответствующую работу, чтобы получить знания о наиболее часто используемых датчиках и проектах по оборудованию теплиц в точном земледелии.Представлена подробная архитектура системы сенсорных узлов для охвата всех внутренних тепличных процессов и получения больших данных, которые впоследствии анализируются в облаке. Архитектура системы представлена для описания конструкции компонентов и их взаимосвязи.

Собранные данные синхронизируются с облаком в реальном времени, что позволяет проводить дополнительные вычисления в облаке. Глубокая нейронная модель будет обучена на данных датчика для оценки здоровья растений только по изображениям с камеры RGB.Это одна из основных целей проекта Urtica-BioFuture. Обученную модель можно использовать в качестве замены сенсорной системы, чтобы сделать тепличную систему более энергоэффективной и рентабельной в производственной среде.

Влияния микроклимата могут стать проблемой при оценке результатов измерений. Для определения микроклимата предлагаются различные схемы организации датчиков. В этой статье мы предлагаем схему автоматизированного гибридного датчика на основе подвесной платформы для обнаружения карманов микроклимата.Предлагаемая компоновка покрывает территорию теплицы и позволяет точно расположить ее по всей теплице. Кроме того, он позволяет размещать камеру над растениями, обеспечивая лучший охват растений.

Автоматическая гибридная компоновка с подвесной платформой дает преимущество размещения сенсорного узла над зоной выращивания растений по всем осям. С внедрением системы мы устраняем проблемы с фиксированной горизонтальной и вертикальной компоновкой, проблемы с дорогостоящими конвейерными системами, проблемы с рычагами пола и препятствиями с автоматизированными роботизированными транспортными средствами, а также компенсацию датчиков движением дронов.Кроме того, предлагаемая подвесная платформа питается от проводов, что исключает необходимость замены и подзарядки аккумуляторов.

Чтобы проверить концепцию, мы провели простой эксперимент, построив модель подвесной платформы. В этом эксперименте мы проверили ошибки позиционирования, чтобы подтвердить использование системы в соответствии с предложенной сеткой на участке выращивания растений в теплице. В ходе эксперимента мы также выявили возникшие проблемы и внесли по ним предложения.Мы считаем, что эта статья позволит нам собрать более качественные изображения растений для искусственного интеллекта, выявлять очаги микроклимата и устранять их. Это сделает предлагаемую тепличную систему более эффективной и станет новой отправной точкой для проекта Urtica-BioFuture.

Для будущей работы мы предлагаем несколько возможных путей. Стоит рассмотреть подробный анализ микроклиматических карманов в теплице для получения математической модели, описывающей их влияние на окружающие участки теплицы.Анализ собранных данных позволяет дополнительно оптимизировать сенсорную систему, исключив или установив дополнительный сенсор для замены группы сенсоров. Модель глубокой нейронной сети может быть дополнительно оптимизирована для обеспечения точной математической модели для расчетов здоровья растений путем сбора дополнительных обучающих данных из нескольких теплиц и различных культур растений. При таком подходе будет достигнуто упрощение сенсорной сети передачи данных за счет внедрения модели глубокой нейронной сети.

Демонстрация умной теплицы [Analog Devices Wiki]

Smart Greenhouse — это приложение для подключения к облаку WI-FI или локального последовательного терминала для базовой платы EVAL-ADICUP3029 с дополнительным почвенным экраном EVAL-CN0398-ARDZ , световой экран EVAL-CN0397-ARDZ , светодиодный экран EVAL-CN0410-ARDZ , созданный с помощью Analog Devices Cross Core Embedded Studio.

Общее описание / Обзор

В проекте Smart Greenhouse используется почвенный щит EVAL-CN0398-ARDZ для сбора данных о температуре, влажности и pH, EVAL-CN0397-ARDZ для получения информации об интенсивности и концентрации света для красного, синего и зеленого света и EVAL-CN0410-ARDZ для управления светодиодной матрицей для получения желаемой интенсивности света.

EVAL-ADICUP3029 разработан для приложений IOT (Интернет вещей) и поэтому поставляется со встроенным модулем Wi-Fi ESP8266 .

Чтобы полностью использовать возможности подключения к облаку IOT, Arrow SDK или IBM Watson используется для подключения к облачным службам и имеет интерфейс для получения данных и отправки команд.

Поддерживаемые демонстрационные версии

Есть несколько демонстрационных версий, поддерживаемых с использованием того же алгоритма и кода уровня приложения. Единственная разница для каждой из этих опций заключается в том, как вы будете просматривать данные и взаимодействовать с дизайном.

Интеллектуальная теплица IBM Watson

Демо-требования

Ниже приводится список элементов, необходимых для воспроизведения этой демонстрации.

Кабели / питание
- Micro Кабель USB — USB (в комплекте EVAL-ADICUP3029)
- ПК или ноутбук с портом USB

Программное обеспечение
- ADuCM3029_IBMWatson_Greenhouse программное обеспечение
- CrossCore Embedded Studio (2.6.0 или выше)
- ADuCM302x DFP (2.0.0 или выше)
- ADICUP3029 BSP (1.0.0 или выше)
- Учетная запись IBM Watson

Настройка оборудования

Исходный код IBM Watson Smart Greenhouse

Есть два основных способа запрограммировать ADICUP3029 с помощью программного обеспечения для IBM Watson Smart Greenhouse.

Перетаскивание .Hex на диск Daplink
Сборка, компиляция и отладка с использованием CCES

Используя метод перетаскивания, программное обеспечение будет версией, которую Analog Devices создаст для целей тестирования и оценки.Это ПРОСТОЙ способ начать работу с эталонным дизайном.

Импорт проекта в CrossCore позволит вам изменять параметры и настраивать программное обеспечение в соответствии с вашими потребностями, но будет немного более продвинутым и потребует от вас загрузки цепочки инструментов CrossCore.

Программное обеспечение для ADuCM3029_IBMWatson_Greenhouse можно найти здесь:

Готовый шестнадцатеричный файл IBM Watson Greenhouse

Полные исходные файлы IBM Watson Greenhouse

Программное обеспечение для настройки IBM Watson Greenhouse

В этом разделе описаны шаги, необходимые для запуска и запуска IBM Watson Greenhouse.

Создание учетной записи IBM Watson

Первый шаг — получить учетную запись IBM для проектов IoT. Перейдите по этой ссылке https://www.ibm.com/cloud/#/ibmssolanding и нажмите «Зарегистрироваться».

После входа в систему вы попадете на страницу панели управления.

Выберите создание ресурса и выберите платформу Интернета вещей.

Дайте ресурсу имя службы и создайте его. После этого последний шаг — запуск ресурса.

Создать устройство

Настройка подключения WIFI

Чтобы установить соединение с WIFI , мы должны установить aWifiSSID и aWifiPassword для подключения к точке доступа (маршрутизатору Wi-Fi).Это делается путем модификации ADuCM3029_IBMWatson.h .

Установление соединения

Последний шаг — подключить наше устройство к платформе IBM. В ADuCM3029_IBMWatson.h еще есть несколько полей, которые необходимо заполнить.

Сначала давайте установим имя пользователя и пароль MQTT. Имя пользователя всегда use-token-auth . В качестве пароля используйте токен аутентификации при создании устройства в приведенном выше руководстве.

Последний шаг — установить конфигурацию MQTT. IP-адрес брокера такой же, как у ссылки на платформу IBM Watson IoT. он должен быть похож на этот 0qqrd7.internetofthings.ibmcloud.com , где 0qqrd7 — это идентификатор организации. Замените адрес из ADuCM3029_IBMWatson.h , aMQTTBrokerIp своим собственным. Порт всегда 1883 год.

Имя издателя состоит из d: OrganizationID: ClientName: DeviceName , в итоге вы получите что-то вроде d: 0qqrd7: C_Client: ADI _GreenHouse .

Последнее, что нужно сделать, это установить название темы и тему подписки. Нам понадобится тема подписки для отправки команд на устройство из приложения. Примером может служить создание приложения NodeRed и его подключение к облаку. Это позволит нам отправлять команды на устройство. Но сначала давайте установим те две вещи, о которых мы упоминали ранее.

Составьте название темы : iot-2 / evt / DeviceID / fmt / json в нашем случае d: 0qqed7: C_Client: ADI _GreenHouse
Написать Подпишитесь на тему : iot-2 / cmd / DeviceID / fmt / json это вы подписываетесь на тему iot-2 / cmd / ADI _GreenHouse_cmd / fmt / json

Для создания приложения вам нужно будет создать стартовый пакет Node Red внутри IBM, перейдя по этой ссылке https: // console.bluemix.net/catalog/starters/node-red-starter Нажмите , посетите приложение URL , затем просто перейдите в редактор Node Red. Это пример приложения с использованием пакета панели инструментов Node Red. Для получения дополнительной документации по NodeRed просто посетите https://nodered.org/ и следуйте документации.

Блок-схема программного обеспечения IBM Watson Smart Greenhouse / Схема

Покрытие теплицы включает в себя 4 слоя:

Аппаратное обеспечение, Arduino Shields Layer
Уровень связи ( SPI связь)
Слой обработки (ADICUP3029 и ESP8266)
Облачный слой

Аппаратная часть состоит из наложенных друг на друга экранов, которые предоставляют данные от датчиков, а также управляют светодиодами.Для получения более подробной информации об этих CN вы можете обратиться к отдельной странице для каждого из них:

Уровень связи настраивает экраны и отвечает за передачу информации от и к желаемому устройству. После этого данные доступны для обработки и передачи в облако.

ADICUP3029 обеспечивает логику локализованных операций, в то время как ESP8266 устанавливает соединение с облаком и отправляет данные по WIFI.

Выходные данные

Данные с устройства можно визуализировать внутри платформы IBM Watson IoT.Просто перейдите к устройствам и нажмите на созданное вами.

Также может быть визуализирован в nodeRed с пакетом дашбордов. Это создаст более наглядный способ отображения данных.

Для получения документации следуйте https://nodered.org/.

Последовательный терминал Smart Greenhouse

Демо-требования

Ниже приводится список элементов, необходимых для воспроизведения этой демонстрации.

Кабели / питание
- ПК или ноутбук с портом USB

Программное обеспечение
- ADuCM3029_Local_Greenhouse программное обеспечение
- CrossCore Embedded Studio (2.6.0 или выше)
- ADuCM302x DFP (2.0.0 или выше)
- ADICUP3029 BSP (1.0.0 или выше)
- Putty или Tera Term или другая программа последовательного терминала

Настройка оборудования

Последовательный терминал Smart Greenhouse Исходный код

Существует два основных способа запрограммировать ADICUP3029 с помощью программного обеспечения для Smart Greenhouse с последовательным терминалом.

Перетаскивание.Шестнадцатеричный к приводу Daplink
Сборка, компиляция и отладка с использованием CCES

Используя метод перетаскивания, программное обеспечение будет версией, которую Analog Devices создаст для целей тестирования и оценки. Это ПРОСТОЙ способ начать работу с эталонным дизайном.

Программное обеспечение для ADuCM3029_Local_Greenhouse можно найти здесь:

Готовый шестнадцатеричный файл для местной теплицы

Полные исходные файлы местных теплиц

Настройка программного обеспечения последовательного терминала для умной теплицы

Проект серийной теплицы — это локальное развернутое решение. Он не использует соединение WIFI, и вся связь осуществляется через UART .

Последовательный терминал Блок-схема / схема программного обеспечения теплицы

Покрытие теплицы включает в себя 3 слоя:

Аппаратное обеспечение, слой щитов Arduino
Уровень связи ( SPI связь)
Слой обработки (ADICUP3029 и ESP8266)

ADICUP3029 обеспечивает логику для всех операций, и как только данные становятся доступными, они отправляются через UART и становятся доступными для пользователя. Пользователь также может отправлять на устройство команды для управления яркостью светодиодов.

Выходные данные

Данные представлены в формате json и отправляются по UART . Используйте сервис Putty с установленной скоростью передачи 9600 .

После отправки команды мы можем снова прочитать значения датчиков, чтобы увидеть изменение интенсивности.

Официальным инструментом, который мы предлагаем для использования с EVAL-ADICUP3029, является CrossCore Embedded Studio. Для получения дополнительных сведений о загрузке инструментов и краткого руководства по использованию основных инструментов посетите страницу «Обзор инструментов».

Импорт

Отладка

Более подробные инструкции по импорту этого приложения / демонстрационного примера в инструменты CrossCore Embedded Studios см. В разделе «Как настроить сеанс отладки».

Декабрь 2024
Пн	Вт	Ср	Чт	Пт	Сб	Вс
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30	31

Умная теплица на ардуино: Умная теплица на Arduino с управлением/мониторингом по GSM/GPRS

Умная теплица на базе arduino из подручного материала с регулятором температуры

Техническая структура теплицы

Задачи

Возможности модели

Описание принципа работы

Умная теплица, управляемая автоматикой на Arduino с интерфейсом Blynk

Шаг 1: Дождевые баки

Шаг 2: Подпиточный бак

Шаг 3: Датчики влажности почвы в горшках

Шаг 4: Турбулентная стойка в горшке

Шаг 5: Вентилятор

Шаг 6: Датчики температуры

Шаг 7: Увлажнитель

Шаг 8: Система контроля Arduino

Шаг 9: Интерфейс Blynk

Умная теплица на Ардуино своими руками: подробное описание

Общие сведения об управляющих системах

Чего бы хотелось

Мониторинг и настройка

Управление

Реализация в «железе»

Мониторинг и настройка

Полив

Отопление

Вентиляция

Освещение

Управляющая электрическая схема

Программная часть

Мониторинг

Управление

Заключение

Видео по теме

Строим умную теплицу на Ардуино-Мега. Часть 2

Умная теплица на ардуино

Автоматика умной теплицы на основе Распберри Пи и Ардуино

Шаг 1: Презентация

Шаг 2: Список компонентов

Шаг 3: Код

Шаг 4: Установка

Шаг 5: Электропроводка

Шаг 6: Вебсайт и база данных

Шаг 7: Время сберечь ваше время и ваши растения

GitHub — Порохня / GreenhouseProject: Умная теплица на базе Arduino

Учитесь и вносите свой вклад

cconway / Arduino-Greenhouse: открытый исходный код теплицы, управляемой Arduino, с беспроводным управлением через приложение iOS

Учитесь и вносите свой вклад

waldo2188 / greenhouse-arduino: теплица, сделанная с использованием arduino

Учитесь и вносите свой вклад

Arduino »Выращивайте овощи с помощью умной теплицы MEG

Выращивайте овощи с помощью умной теплицы MEG

Ардуино своими руками, Курдюмова и Малышевского, блок управления парником, видео и проекты

Секреты использования умного парника

Проверяем блок управления теплицей

Функциональная и умная теплица Н. Курдюмова и К. Малышевского

Создаем умную теплицу своими руками

Умная теплица (видео)

Умная теплица своими руками — Всё про теплицы

Теплица своими руками. не дорогая теплица как я делал умную теплицу своими руками

Отзывы:

как я делал умную теплицу своими руками

Отзывы:

Теплица своими руками из поликарбоната 2015

Отзывы:

Умная теплица на балкон на базе Arduino UNO

Отзывы:

Умная теплица: будущее сельского хозяйства

Введение

Архитектура

Подключенная теплица с датчиками и исполнительными механизмами

Control Center

Устройства для взаимодействия с пользователем

(PDF) Интеллектуальная автоматизация теплиц на основе IOT с использованием Arduino

(PDF) Прототип интеллектуальной системы управления и мониторинга теплиц в гидропонных установках

mrezaabqr / Smart-Greenhouse: простой проект IoT, реализованный с использованием arduino

Файлы

COM-порт

Начало работы

Около

Темы