DE202023100001U1

DE202023100001U1 - Intelligentes Landwirtschaftssystem für die Überwachung der landwirtschaftlichen Umgebung und die Auswahl von Pflanzen mithilfe von IoT und maschinellem Lernen

Info

Publication number: DE202023100001U1
Application number: DE202023100001.0U
Authority: DE
Original assignee: Individual
Current assignee: Individual
Priority date: 2023-01-02
Filing date: 2023-01-02
Publication date: 2023-01-27
Anticipated expiration: 2033-01-03

Abstract

Ein IoT- und ML-basiertes intelligentes Landwirtschaftssystem für die Überwachung der landwirtschaftlichen Umgebung und die Auswahl der Ernte umfasst:
einen Temperatur- und Feuchtigkeitssensor zur Messung von Temperatur- und Feuchtigkeitsparametern des Bodens;
einen kapazitiven Bodenfeuchtigkeitssensor zur Messung des volumetrischen Wassergehalts im Boden;
einen pH-Sensor zur Messung des pH-Wertes des Bodens in verschiedenen Umgebungen und zur Anzeige auf einer Skala von 0 bis 14, wobei der Bereich als sauer (0), neutral (7) und alkalisch (14) bezeichnet wird;
eine Steuereinheit zum Erzeugen einer Empfehlung für eine oder mehrere Kulturen entsprechend den Bodeneigenschaften und Umweltbedingungen, wobei die Steuereinheit umfasst:
eine Eingabeeinheit zur Erfassung von Feuchtigkeit, Temperatur, Wassergehalt, Stickstoff-, Phosphor-, Kalium- und pH-Werten des Bodens sowie der Niederschlagsmenge im Gebiet;
eine Datenvorverarbeitungseinheit zum Bereinigen des Datensatzes und zum Ersetzen von Nullwerten durch den Modus der jeweiligen Spalten sowie zum Konvertieren von Zeichenketten unter Verwendung eines Etikettencodierers;
eine Datenvisualisierungseinheit zur Bestimmung eines Satzes von Faktoren, die für die Pflanzenproduktion verantwortlich sind, wobei der Satz von Faktoren aus einer Gruppe von Genetik, Klima und deren Zusammenspiel ausgewählt wird und die Merkmale der Pflanzenvorhersage beeinflusst;
ein Pflanzenempfehlungsmodell zum Erzeugen von Empfehlungen für eine oder mehrere Pflanzen auf der Grundlage des Vergleichs der erhaltenen Umgebungsbedingungen und Bodeneigenschaften mit den zuvor gespeicherten Umgebungsbedingungen und Bodeneigenschaften einer bestimmten Art von Pflanzen; und
eine Benutzerschnittstellenanwendung, die auf dem Benutzergerät installiert ist und über eine Kommunikationsvorrichtung mit der Steuereinheit verbunden ist, um die empfohlene(n) Kulturpflanze(n) anzuzeigen, die für den Anbau und ein gutes Wachstum in diesem bestimmten Gebiet geeignet sind.

Description

BEREICH DER ERFINDUNG
Die vorliegende Offenlegung bezieht sich auf ein intelligentes Landwirtschaftssystem für die Überwachung der landwirtschaftlichen Umgebung und die Auswahl von Pflanzen unter Verwendung des Internets der Dinge (IoT) und des maschinellen Lernens (ML).
HINTERGRUND DER ERFINDUNG
Die Landwirtschaft wird als Grundlage des menschlichen Lebens angesehen, da sie der Hauptlieferant von Nahrungsmitteln und anderen wichtigen Ressourcen ist. Der Landwirtschaftssektor ist für das Wirtschaftswachstum eines Landes unerlässlich und bietet eine große Anzahl von Arbeitsplätzen. Daher muss der Agrarsektor wachsen, damit sich die Wirtschaft eines Landes verbessert. Leider wenden viele Landwirte noch immer traditionelle Anbaumethoden an, die nur mäßige Erträge bei Feldfrüchten und Obst liefern. Um die Produktivität zu steigern, muss der Agrarsektor moderne Wissenschaft und Technologie einsetzen. Das Internet der Dinge (IoT) in Verbindung mit drahtlosen Sensornetzen ist die Lösung für diese Herausforderung. Es hat die Fähigkeit, die Entwicklung der Landwirtschaft zu revolutionieren, und leistet einen wichtigen Beitrag zur intelligenten Landwirtschaft. Verschiedene Geräte können über eingebettete Systeme mit dem Internet verbunden werden, um über das IoT mit anderen Geräten und Systemen zu kommunizieren und Daten auszutauschen. In diesem Projekt wurde ein IoT-Gerät mit einem Temperatursensor, einem Bodenfeuchtesensor, einem Sensor zur Erkennung des pH-Werts und einem Sensor zur Erkennung von Regen verwendet, um Echtzeitdaten von einem landwirtschaftlichen Feld zu sammeln. Die Daten können auch verwendet werden, um Anbauempfehlungen für dieses Feld zu geben, indem die Daten des Feldes in ein überwachtes maschinelles Lernmodell eingegeben werden, das eine Zufallsforsttechnik einsetzt, um zu bestimmen, welche Kultur auf diesem Feld einen hohen Ertrag bringt.
Die bestehenden Systeme nutzen jedoch die Fernerkundung, bei der Sensoren zur Erfassung verschiedener Daten eingesetzt werden, die dann an ein Dashboard gesendet werden, auf dem die Landwirte die Daten überwachen und Maßnahmen ergreifen können. Die Daten variieren von Wetterparametern wie Temperatur, Luftfeuchtigkeit, Niederschlag und Tau bis hin zu Bodenparametern wie Nährstoffgehalt, Wassergehalt und pH-Wert. Derzeit gibt es kein integriertes System, das alle Daten nutzt und ML-Techniken einsetzt, um geeignete Empfehlungen wie Anbauvorschläge und Niederschlagsvorhersagen zu erhalten, von denen die Landwirte profitieren können.
In Anbetracht der obigen Ausführungen ist es offensichtlich, dass ein intelligentes Landwirtschaftssystem für die Auswahl der Kulturen und die Überwachung der landwirtschaftlichen Umgebung erforderlich ist.
ZUSAMMENFASSUNG DER ERFINDUNG
Das Ziel der vorliegenden Offenlegung ist ein intelligentes Landwirtschaftssystem, das die Umweltparameter überwacht und vorhersagt, welche Pflanzen die höchsten und gesündesten Erträge liefern werden.
In einer Implementierung wird ein intelligentes Landwirtschaftssystem offengelegt. Um die Temperatur und Feuchtigkeit des Bodens zu messen, verfügt das System über einen Temperatur- und Feuchtigkeitssensor. Außerdem verfügt das System über einen kapazitiven Bodenfeuchtigkeitssensor, um den volumetrischen Wassergehalt des Bodens zu ermitteln. Außerdem ist ein pH-Sensor Teil des Systems, der den pH-Wert des Bodens unter verschiedenen Bedingungen misst und die Ergebnisse auf einer logarithmischen Skala von 0 bis 14 anzeigt, wobei sauer gleich 0, neutral gleich 7 und alkalisch gleich 14 ist. Darüber hinaus umfasst das System eine Steuereinheit, die eine Empfehlung für eine oder mehrere Kulturen in Abhängigkeit von den Bodeneigenschaften und den Umgebungsbedingungen erstellt und aus folgenden Komponenten besteht Eine Eingabeeinheit wird zum Sammeln von Feuchtigkeit, Temperatur, Wassergehalt, Stickstoff, Phosphor, Kalium und pH-Werten des Bodens und Niederschlagsaufzeichnungen im Gebiet verwendet; eine Datenvorverarbeitungseinheit wird zum Bereinigen des Datensatzes und zum Ersetzen von Nullwerten durch den Modus der jeweiligen Spalten und zum Konvertieren von Zeichenketten unter Verwendung eines Etikettencodierers verwendet; Eine Datenvisualisierungseinheit zum Bestimmen eines Satzes von Faktoren, die für die Pflanzenproduktion verantwortlich sind, wobei der Satz von Faktoren aus einer Gruppe von Genetik, Klima und deren Zusammenspiel ausgewählt wird und die Merkmale der Pflanzenvorhersage beeinflusst; Ein Pflanzenempfehlungsmodell wird zum Erzeugen von Empfehlungen für eine oder mehrere Pflanzen nach dem Vergleich der erhaltenen Umgebungsbedingungen und Bodeneigenschaften mit vorher gespeicherten Bodeneigenschaften und Umgebungsbedingungen einer bestimmten Art von Pflanzen verwendet. Schließlich wird eine Benutzerschnittstelle und -anwendung, die auf einem Benutzergerät installiert ist und über eine Kommunikationseinrichtung mit der Steuereinheit verbunden ist, verwendet, um die empfohlene(n) Kulturpflanze(n) anzuzeigen, die für den Anbau und ein gutes Wachstum in diesem bestimmten Gebiet geeignet sind.
In einer anderen Ausführungsform verwendet der pH-Sensor eine Glaselektrode, eine Referenzelektrode, einen Verstärker, einen Analog-Digital-Wandler (ADC) und einen Mikrocontroller zur Messung des pH-Werts einer wässrigen Lösung in verschiedenen Einstellungen. Der pH-Bereich ist ein Maß für die Alkalität oder den Säuregrad einer Substanz.
In einer anderen Ausführungsform besteht die pH-Elektrode im Inneren aus einer Referenzelektrode, einer Lösung und einer Verbindung sowie einer Glaskugel mit einer Schicht aus Hydratationsgel. Beim Eintauchen der Elektrode in die verdünnte Probe oder beim Eindrücken der Elektrode in den Boden wird ein elektrischer Strom erzeugt. Bei der pH-Messung berechnet ein Prüfgerät die Ladung der Referenzprobe/Lösung und vergleicht sie mit dem Bodenmedium.
In einer anderen Ausführungsform ist das Pflanzenempfehlungsmodell vorzugsweise ein Random Forest Classifier, der so ausgewählt wird, dass er automatisch eine oder mehrere Pflanzen vorhersagt, die für den Anbau und ein gutes Wachstum in diesem bestimmten Gebiet geeignet sind, und zwar auf der Grundlage der automatisch am besten geeigneten Pflanze entsprechend den erhaltenen Bodeneigenschaften und Umweltbedingungen, um hohe Erträge zu fördern.
In einer anderen Ausführungsform wird, wenn die Steuereinheit feststellt, dass der Boden weniger Feuchtigkeit oder einen geringeren volumetrischen Wassergehalt aufweist, eine Motorsteuerung verwendet, um einen Motor zur Bewässerung des Feldes einzuschalten.
In einer anderen Ausführungsform werden die vorgespeicherten Bodeneigenschaften und Umgebungsbedingungen einer bestimmten Kulturart in einem Cloud-Server gespeichert, der drahtlos mit der Steuereinheit verbunden ist, und die vorgespeicherten Bodeneigenschaften und Umgebungsbedingungen einer bestimmten Kulturart werden auf der Grundlage von Standardparametern der Kulturen, einschließlich Bodentyp und Wetter, ausgewählt.
In einer anderen Ausführungsform erzeugt der kapazitive Bodenfeuchtesensor einen Wassergehaltsstatus des Bodens als Prozentsatz, nachdem er ein Paar seiner Elektroden in den Boden eingeführt hat, um den Wassergehalt des Bodens mit Hilfe von Kapazität zu messen.
In einer anderen Ausführungsform umfasst die Benutzeroberfläche mindestens drei Dashboards, z. B. ein Wetter-Dashboard, das den Landwirt über die Wetter-/Temperaturinformationen und den Niederschlagsverlauf in der Region informiert, ein Boden-Dashboard, das Informationen über die Feuchtigkeit, die Temperatur, den Wassergehalt, den Stickstoff-, Phosphor, Kalium- und pH-Gehalt des Bodens liefert, und ein Informations-Dashboard, das eine oder mehrere empfohlene Kulturen auflistet.
In einer anderen Ausführungsform ist die Benutzerschnittstelle mit einer Wettervorhersage-Website verbunden, die dazu dient, Niederschläge in einem bestimmten Gebiet zu erkennen und die Landwirte über die Wettersituation zu informieren und eine frühzeitige Empfehlung für die Auswahl einer oder mehrerer Kulturen zu erstellen.
Eines der Ziele der vorliegenden Offenlegung ist es, Landwirten die Möglichkeit zu geben, Echtzeitdaten von landwirtschaftlichen Feldern und deren Umweltzustand aus der Ferne zu überwachen.
Ein weiteres Ziel der vorliegenden Offenlegung ist die Auswahl von Pflanzen für ein Feld, indem die Daten des Feldes in ein überwachtes maschinelles Lernmodell eingespeist werden, das eine Random-Forest-Technik verwendet, um zu bestimmen, welche Pflanze auf diesem Feld den größten Ertrag bringen wird.
Die Verwaltung, Anzeige und Benachrichtigung von Personen unter Nutzung der Vorteile eines drahtlosen Sensornetzsystems ist ein weiteres Ziel der vorliegenden Offenlegung.
Die Landwirtschaft durch den Einsatz von Automatisierung und IoT-Technologie intelligenter zu machen, ist ein weiteres Ziel der vorliegenden Offenlegung.
Die Vorhersage von Pflanzen, die in einer bestimmten Region gut wachsen und für den Anbau geeignet sind, ist ein weiteres Ziel der vorliegenden Offenlegung.
Ein weiteres Ziel der vorliegenden Offenlegung ist es, ein effizientes und erschwingliches System bereitzustellen, das genaue Daten in Echtzeit sowie Anbauempfehlungen für höhere Ernteerträge liefert und der Wirtschaft als Ganzes zugute kommt.
Eine detailliertere Erläuterung der Offenbarung wird unter Bezugnahme auf bestimmte Ausführungsformen gegeben, die in den beigefügten Figuren dargestellt sind, um die Vorteile und Merkmale der vorliegenden Offenbarung weiter zu verdeutlichen. Es versteht sich, dass diese Abbildungen lediglich typische Ausführungsformen der Erfindung zeigen und nicht als Einschränkung ihrer Anwendung zu verstehen sind. Mit Hilfe der folgenden Abbildungen wird die Erfindung näher beschrieben und diskutiert.
Figurenliste
Die folgende ausführliche Erläuterung und die beigefügten Figuren zeigen deutlich die Merkmale, Aspekte und Vorteile der vorliegenden Offenbarung, wobei die Zeichen die Teile in den Figuren bezeichnen.

1 das Blockdiagramm eines intelligenten Landwirtschaftssystems gemäß einem Beispiel der vorliegenden Offenbarung zeigt; und
2 die Architektur des intelligenten Landwirtschaftssystems in Übereinstimmung mit einem Beispiel der aktuellen Offenlegung zeigt.

Die Einfachheit der Entwürfe und die Tatsache, dass einige Merkmale möglicherweise nicht maßstabsgetreu wiedergegeben wurden, werden von fachkundigen Handwerkern zur Kenntnis genommen. Zum besseren Verständnis einiger Merkmale der vorliegenden Offenbarung erläutern beispielsweise die Flussdiagramme den Ansatz in Bezug auf die wichtigsten Prozesse, die beteiligt sind. Um die Figuren nicht mit Details zu überfrachten, die für den Fachmann mit Hilfe dieser Beschreibung offensichtlich sind, können eine oder mehrere Komponenten der Vorrichtung in den Figuren durch herkömmliche Symbole gekennzeichnet sein. Die Figuren können auch nur explizite Einzelheiten zeigen, die zum Verständnis der Ausführungsformen der vorliegenden Offenbarung erforderlich sind.
DETAILLIERTE BESCHREIBUNG
Um die Prinzipien der Erfindung zu verdeutlichen, wird auf die in den Figuren dargestellte Ausführungsform Bezug genommen und eine präzise Terminologie für die Beschreibung der Ausführungsform verwendet. Es sei jedoch darauf hingewiesen, dass damit keine Einschränkung des Erfindungsumfangs beabsichtigt ist; stattdessen werden zusätzliche Änderungen und Modifikationen des dargestellten Systems sowie zusätzliche Anwendungen der Leitprinzipien der Erfindung in Betracht gezogen, wie es typischerweise für einen Fachmann auf dem entsprechenden Gebiet der Fall wäre.
Der Fachmann wird erkennen, dass die vorgenannte allgemeine Erläuterung und die anschließende ausführliche Beschreibung nur als Beispiele und Verdeutlichung der Erfindung dienen sollen, nicht aber als Einschränkung der Erfindung.
Wenn ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft in dieser Beschreibung als „ein Aspekt“ oder „ein anderer Aspekt“ bezeichnet wird, bedeutet dies, dass mindestens eine Ausführungsform der vorliegenden Offenbarung dieses Merkmal, diese Struktur oder diese Eigenschaft aufweist. Infolgedessen können sich Verweise auf „in einer Ausführungsform“, „in einer anderen Ausführungsform“ und andere Ausdrücke ähnlicher Art in dieser Beschreibung auf verschiedene Ausführungsformen beziehen, müssen es aber nicht.
Die Ausdrücke „umfasst“, „enthaltend“ oder andere Variationen davon sollen eine nicht ausschließliche Einbeziehung abdecken, so dass ein Verfahren oder eine Methode, die eine Liste von Schritten enthält, auch andere Schritte enthalten kann, die in dem Verfahren oder der Methode implizit enthalten oder nicht ausdrücklich aufgeführt sind, aber nicht ausdrücklich in der Liste aufgeführt sind. Ähnlich wie im vorangegangenen Beispiel schließt die Formulierung „umfasst ...“, gefolgt von einer oder mehreren Vorrichtungen, Teilsystemen, Elementen, Strukturen oder Komponenten, das Vorhandensein von zusätzlichen Elementen, Vorrichtungen, Strukturen, Komponenten oder Teilsystemen ohne weitere Einschränkungen nicht aus.
Alle hier verwendeten wissenschaftlichen und technischen Begriffe haben, sofern sie nicht anders definiert sind, die gleiche Bedeutung, wie sie einer Person mit typischen Fähigkeiten auf dem betreffenden Gebiet allgemein bekannt ist. Das System, die Verfahren und die Beispiele, die hier beschrieben werden, dienen nur der Veranschaulichung und sind nicht als einschränkend zu betrachten.In accordance with the associated drawings, embodiments of the present disclosure are discussed in greater depth below.
In Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung ist in ein Blockdiagramm eines intelligenten Landwirtschaftssystems dargestellt. Das System 100 umfasst einen Temperatur- und Feuchtigkeitssensor 102 zur Messung von Temperatur und Feuchtigkeit des Bodens.
In einer Ausführungsform wird ein kapazitiver Bodenfeuchtesensor 104 eingesetzt, um den volumetrischen Wassergehalt des Bodens zu messen.
In einer Ausführungsform wird ein pH-Sensor 106 eingesetzt, um den pH-Wert des Bodens in einer Vielzahl von Umgebungen zu messen und auf einer logarithmischen Skala von 0 bis 14 anzuzeigen, wobei sauer gleich 0, neutral gleich 7 und alkalisch gleich 14 ist.
In einer Ausführungsform wird eine Steuereinheit 110 eingesetzt, um eine Empfehlung für eine oder mehrere Kulturen in Abhängigkeit von den Bodeneigenschaften und den Umweltbedingungen zu erstellen, wobei die Steuereinheit 110 eine Eingabeeinheit 108 zur Erfassung von Feuchtigkeit, Temperatur, Wassergehalt, Stickstoff, Phosphor, Kalium und pH-Werten des Bodens sowie Niederschlagsaufzeichnungen im Gebiet umfasst.
In einer Ausführungsform ist eine Datenvorverarbeitungseinheit 112 mit der Steuereinheit 110 verbunden, um den Datensatz zu bereinigen und den Nullwert durch den Modus der jeweiligen Spalte zu ersetzen und die Zeichenketten mit Hilfe eines Etikettencodierers zu konvertieren.
In einer Ausführungsform ist eine Datenvisualisierungseinheit 114 mit der Datenvorverarbeitungseinheit 112 verbunden, um einen Satz von Faktoren zu bestimmen, die für die Pflanzenproduktion verantwortlich sind, wobei der Satz von Faktoren aus der Gruppe der Genetik, des Klimas und ihres Zusammenspiels ausgewählt wird und die Merkmale der Pflanzenvorhersage beeinflusst.
In einer Ausführungsform ist ein Pflanzenempfehlungsmodell 116 mit der Datenvisualisierungseinheit 114 verbunden, um Empfehlungen für eine oder mehrere Pflanzen zu erstellen, indem die ermittelten Umgebungsbedingungen und Bodeneigenschaften mit den zuvor gespeicherten Umgebungsbedingungen und Bodeneigenschaften einer bestimmten Pflanzenart verglichen werden.
In einer Ausführungsform wird eine Anwendung der Benutzerschnittstelle 118 auf einem Benutzergerät 212 installiert und über eine Kommunikationsvorrichtung 210 mit der Steuereinheit 110 verbunden, um eine oder mehrere empfohlene Pflanzen anzuzeigen, die für den Anbau und ein gutes Wachstum in diesem bestimmten Gebiet geeignet sind.
Der pH-Bereich ist ein Maß für die Alkalität oder den Säuregrad einer Substanz, und in einer anderen Ausführungsform umfasst der pH-Sensor 106 eine Messelektrode aus Glas, eine Referenzelektrode, einen Verstärker, einen Analog-Digital-Wandler und einen Mikrocontroller zur Messung des pH-Werts einer wässrigen Lösung unter verschiedenen Umgebungsbedingungen.
In einer anderen Ausführungsform besteht die pH-Elektrode für die pH-Messung im Inneren aus einer Referenzelektrode, einer Lösung & Verbindung und einer Glaskugel mit einem Hydratationsgel, wobei ein elektrischer Strom ausgelöst wird, wenn die Elektrode in eine verdünnte Probe eingetaucht oder in den Boden gedrückt wird. Danach analysiert das Prüfgerät die Referenzlösung/Probenladung und vergleicht sie mit dem Bodenmedium, das sich außerhalb der Gelschicht befindet, um den pH-Wert zu messen.
In einer anderen Ausführungsform ist das Pflanzenempfehlungsmodell 116 vorzugsweise ein Random-Forest-Klassifikator, der so ausgewählt wird, dass er automatisch eine oder mehrere Pflanzen vorhersagt, die sich für den Anbau und ein gutes Wachstum in diesem bestimmten Gebiet eignen und die entsprechend den erhaltenen Bodeneigenschaften und Umweltbedingungen am besten geeignet sind, um hohe Erträge zu erzielen.
In einer anderen Ausführungsform ist die Steuereinheit 110 außerdem so konfiguriert, dass sie die Bewässerung kontrolliert überwacht und unterstützt und eine Schädigung der Kulturen verhindert.
In einer anderen Ausführungsform wird eine Motorsteuerung 202 eingesetzt, um einen Motor 204 für die Bewässerung des Feldes einzuschalten, wenn ein Signal von der Steuereinheit 110 über die Feststellung einer geringeren Feuchtigkeit oder eines geringeren volumetrischen Wassergehalts des Bodens eingeht.
In einer anderen Ausführungsform werden die vorgespeicherten Bodeneigenschaften und Umgebungsbedingungen einer bestimmten Kulturart auf der Grundlage von Standardparametern der Kulturen einschließlich Bodentyp und Wetter ausgewählt, wobei die vorgespeicherten Bodeneigenschaften und Umgebungsbedingungen einer bestimmten Kulturart in einem Cloud-Server 206 gespeichert sind, der drahtlos mit der Steuereinheit 110 verbunden ist.
In einer anderen Implementierung misst der kapazitive Bodenfeuchtesensor 104 den Wassergehalt des Bodens mit Hilfe der Kapazität, nachdem er ein Paar seiner Elektroden in den Boden eingeführt hat. Der kapazitive Bodenfeuchtesensor 104 berechnet dann den prozentualen Anteil des Wassergehalts im Boden.
In einer anderen Ausführungsform umfasst die Benutzeroberfläche 118 mindestens drei Dashboards, darunter ein Wetter-Dashboard, das dem Landwirt Informationen über das Wetter/die Temperatur und die Niederschlagsmenge in seinem Gebiet liefert, ein Boden-Dashboard, das Einzelheiten über Feuchtigkeit, Temperatur, Wassergehalt, Stickstoff-, Phosphor-, Kalium- und pH-Gehalt liefert, und ein Informations-Dashboard, das einen oder mehrere empfohlene Pflanzennamen enthält.
In einer anderen Ausführungsform wird eine Regenerkennungseinheit eingesetzt, um Niederschläge in einem bestimmten Gebiet zu erkennen, wobei die Benutzerschnittstelle 118 mit einer Wettervorhersage-Website verbunden ist, um die Landwirte über die Wettersituation zu informieren und eine frühzeitige Empfehlung für die Auswahl einer oder mehrerer Kulturen zu erstellen.
2 veranschaulicht die Architektur eines intelligenten Landwirtschaftssystems in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenlegung. Das System konzentriert sich darauf, Rohdaten von den Sensoren zu erhalten, diese aber auch in einer vorteilhafteren Weise zu nutzen, indem es die Daten in ein überwachtes maschinelles Lernmodell (ML) einspeist, um die Ernte zu projizieren, die den besten Ertrag bringt. Es wurde festgestellt, dass es notwendig ist, ML-Techniken zu implementieren und zu integrieren, die mit Hilfe der Regenerkennungseinheit 208 Unterstützung bieten können, mit der durch die Integration von Regenvorhersagemodellen starke Regenfälle vorhergesagt werden können, so dass die Landwirte Vorsichtsmaßnahmen ergreifen können. Um eine hohe Genauigkeit des ML-Modells zu erreichen, verwendet die Random-Forest-Technik mehrere Entscheidungsbäume, um eine optimale Vorhersage zu erhalten. Dementsprechend wird der gesammelte Datensatz verarbeitet, um eine Genauigkeit von mehr als 98 % zu erreichen. Außerdem werden verschiedene Eingabeparameter getestet, um die Genauigkeit der vorhergesagten Ergebnisse zu überprüfen.
In einer Ausführungsform umfasst das System mindestens drei Sensoren und zwei Module, die in unserer Arbeit zusammen mit einem Arduino UNO-Board, einer Mikrocontrollereinheit (MCU), verwendet werden. Der Sensor sendet die Daten an die MCU, nachdem er die Parameter der landwirtschaftlichen Umgebung erfasst hat, die von der MCU verarbeitet werden, und schließlich wird die Ausgabe an die APK-Anwendung gesendet, von der aus die Landwirte den Zustand der Farm erfahren können. Das System umfasst einen Motor 204, der sich je nach Feuchtigkeitsgehalt des Bodens ein- und ausschaltet.
In einer Implementierung ist der Temperatur- und Feuchtigkeitssensor so eingerichtet, dass er die Temperatur erfasst und die Ergebnisse als serielle Daten an einen 8-Bit-Mikrocontroller weiterleitet. Der Sensor kann Temperatur und Luftfeuchtigkeit in einem Bereich von 0°C-50°C ±1°C bzw. 20%-90% ±1% messen. Der DHT11-Sensor wird kalibriert und zur Messung von Temperatur- und Feuchtigkeitswerten verwendet, die seriell an den Input/Output (I/O)-Pin des Mikrocontrollers (MCU) ausgegeben werden. Dabei ist der E/A-Pin der MCU über einen 5kΩ-Pull-up-Widerstand mit dem Daten-Pin verbunden.
Eine Ausführungsform misst den volumetrischen Wassergehalt des Bodens mit einem kapazitiven Bodenfeuchtesensor FC28 104. Die Verbindung zwischen den berechneten Merkmalen und der Bodenfeuchtigkeit muss angepasst werden, da diese von ökologischen Faktoren wie Temperatur, Bodenart und elektrischer Leitfähigkeit abhängen kann. Die Betriebsbedingungen umfassen eine Spannung von 5 V, einen Strom von 20 mA und einen Temperaturbereich von 10 °C bis 30 °C. Außerdem enthält er ein Potentiometer zur Einstellung des Schwellenwerts, und der Komparator LM393 kann den Wert bewerten. Die Kapazität wird von diesem Sensor hauptsächlich zur Messung des Wassergehalts des Bodens (Dielektrizitätskonstante) verwendet. Dieser Sensor kann verwendet werden, um den Wassergehalt des Bodens als Prozentsatz zu melden, indem er in den Boden gesteckt wird, um seinen Zweck zu erfüllen.
In einer Ausführung ist der pH-Sensor 106 so eingerichtet, dass er den pH-Wert einer wässrigen Lösung in einem Bereich von Einstellungen messen kann. Eine Messglaselektrode, eine Referenzelektrode, ein Verstärker und ein Analog-Digital-Wandler bilden das gesamte System des pH-Sensors 106, dessen digitale Daten über eine Eingabeeinheit 108 an die Steuereinheit 110 gesendet werden. Der Säure- oder Basengehalt des Bodens wird anhand der pH-Skala bestimmt. Die pH-Skala reicht von 0 bis 14, wobei 0 für sauer, 7 für neutral und 14 für alkalisch steht. Der optimale pH-Bereich für die meisten Pflanzen liegt zwischen 5.5 und 7.5, ist jedoch von Art zu Art unterschiedlich. Die inneren Bestandteile der pH-Elektrode für die pH-Messung sind eine Referenzelektrode, eine Referenzlösung, eine Referenzverbindung und eine Glaskugel mit einer Schicht aus Hydratationsgel. Wenn die Elektrode in den Boden gesteckt oder in eine verdünnte Probe getaucht wird, ändert sich der elektrische Strom. Daraufhin bestimmt das Prüfgerät die Ladung der Referenzlösung und vergleicht sie mit dem Bodenmedium außerhalb der Gelschicht. Durch diesen Vergleich wird ein pH-Wert gemessen.
Pflanzenempfehlungsmodell 116 Präzisionslandwirtschaft ist ein hochtechnologisches landwirtschaftliches System, das Informationen über Bodenqualität, Bodentypen und klimatische Bedingungen analysiert, um den Landwirten die optimale Pflanze für maximalen Ertrag und Gewinn vorzuschlagen. Diese Methode kann Landwirten helfen, bessere Entscheidungen über ihre Anbaustrategie zu treffen und Ernteausfälle zu vermeiden. Es werden stärkere Empfehlungssysteme benötigt, die den Landwirten helfen, bewusste Entscheidungen zu treffen, bevor sie mit dem Anbau von Pflanzen beginnen, um die derzeitige Agrarkrise zu entschärfen.
In einer Ausführungsform wird der Datensatz über Kaggle gesammelt, das von mehreren Mitwirkenden als Open Source zur Verfügung gestellt wird. Die Daten umfassen Stickstoff-, Phosphor-, Kalium- und pH-Werte im Boden. Außerdem enthalten sie die für eine bestimmte Kultur erforderliche Feuchtigkeit, Temperatur und Niederschlagsmenge. Die Datensätze werden bereinigt und die NULL-Werte werden durch den Modus der jeweiligen Spalten ersetzt. Die Zeichenketten werden mit Label Encoder konvertiert.
In einer Ausführungsform beeinflussen mehrere Faktoren wie Genetik, Klima und deren Zusammenspiel die Merkmale der Erntevorhersage. Um einen manuellen Datensatz für eine Vielzahl von Kulturpflanzen zu erstellen, müssen wir an mehrere Orte reisen. Nachdem wir einen geeigneten Datensatz für unser Problem gefunden hatten, arbeiteten wir daran, die Daten mithilfe von Python-Bibliotheken in Form von Gruppen zu visualisieren. Unser Hauptaugenmerk liegt darauf, herauszufinden, wie sich die Anforderungen verschiedener physikalischer und chemischer Faktoren für unterschiedliche Kulturen ändern.
In einer Ausführungsform wird Visual Studio Code für die Erstellung von Python-Notebooks verwendet. Das System importiert zunächst alle relevanten Bibliotheken wie Matplotlib, Seaborn, NumPy, Pandas usw. Danach wird ein Datensatz geladen und bereinigt, um alle Nullwerte zu entfernen. Ein Befehl „df.label.unique()“ wird verwendet, um alle eindeutigen Kulturen in unserem Datensatz aufzulisten.
In einer Ausführungsform liegt der benötigte Wert für Kalium, Phosphor und Kalium im Bereich von 0-100, 0-90 bzw. 0-70. Die für die Kulturen erforderliche Temperatur liegt im Allgemeinen zwischen 18 und 35 Grad Celsius. Der pH-Wert liegt zwischen 5.5 und 7.5, was im Allgemeinen der Fall ist, da ein zu saurer oder zu alkalischer pH-Wert für Pflanzen ungeeignet ist. Die Niederschlagsmenge und die Luftfeuchtigkeit liegen zwischen 20 und 200 bzw. 40 und 100.
In einer Ausführungsform liegen die pH-Werte ebenfalls im Bereich von 5.5 bis 7.5; Bananen benötigen leicht sauren Boden, während Kichererbsen leicht alkalischen Boden benötigen. Das Gleiche gilt für die Temperatur; es wurde festgestellt, dass Papaya bei hohen Temperaturen wachsen kann, während Kichererbsen und Kidneybohnen niedrige Temperaturen benötigen. Es ist bekannt, dass der Reisanbau bei starken Regenfällen zurückgeht.
In einer Ausführungsform wird der Random Forest Classifier verwendet, eine bekannte KI-Berechnungsmethode, die sich gut in den Ansatz des geführten Lernens einfügt. Beim maschinellen Lernen werden häufig sowohl Klassifizierungs- als auch Regressionsprobleme behandelt. Es basiert auf dem Konzept der Gruppenrealisierung, einer Methode, bei der verschiedene Klassifikatoren zusammengeführt werden, um ein komplexes Problem zu lösen und an der Darstellung des Modells zu arbeiten. Bei dieser Methode wird die Vorhersage jedes einzelnen Auswahlbaums herangezogen und unter Berücksichtigung der Gesamtheit der Erwartungen das Ergebnis vorhergesagt, anstatt sich nur auf einen Baum zu stützen.
Die Figuren und die vorangehenden Erläuterungen enthalten Beispiele für Ausführungsformen. Eines oder mehrere der oben genannten Merkmale können sehr leicht zu einem einzigen Funktionselement zusammengefasst werden, wie Fachleute erkennen werden. Alternativ könnten bestimmte Elemente in eine Reihe von Funktionselementen aufgeteilt werden. Eine andere Ausführungsform kann Elemente der ersten Ausführungsform enthalten. So ist die unten angegebene Abfolge der Verfahren nur ein Beispiel und nicht zwingend. Außerdem müssen die Aktionen eines Flussdiagramms nicht unbedingt in der dargestellten Reihenfolge oder in ihrer Gesamtheit ausgeführt werden. Außerdem können Aktionen, die von anderen Aktionen unabhängig sind, gleichzeitig mit anderen Aktionen ausgeführt werden. Diese besonderen Beispiele schränken die Bandbreite der Ausführungsformen in keiner Weise ein. Zahlreiche Varianten, einschließlich Änderungen in Struktur, Größe und Materialverwendung, sind möglich, unabhängig davon, ob sie in der Spezifikation ausdrücklich aufgeführt sind oder nicht. Die folgenden Ansprüche geben den minimalen Umfang des Anwendungsbereichs der Ausführungsformen an.
Nutzen, Vorteile und Problemlösungstechniken wurden oben in Bezug auf bestimmte Ausführungsformen erörtert. Nutzen, Vorteile, Problemlösungstechniken und alle Elemente, die zum Auftreten oder zur Verbesserung eines Nutzens, Vorteils oder einer Lösung führen können, sind nicht als entscheidende, notwendige oder konstitutive Elemente eines oder aller Ansprüche zu verstehen.
Bezugszeichenliste

100: Das System enthält einen Temperatur- und Luftfeuchtigkeitssensor.
102: Temperatur- und Luftfeuchtigkeitssensor
104: Kapazitiver Bodenfeuchtesensor
106: PH-Sensor
108: Eingabeeinheit
110: Steuereinheit
112: Datenvorverarbeitungseinheit
114: Datenvisualisierungseinheit
116: Modell für Anbauempfehlungen
118: Benutzerschnittstelle
202: Motorsteuerung
204: Motor
206: Cloud-Server
208: Regenerkennungseinheit
210: Kommunikationsgerät
212: Benutzergerät
218: Benutzeroberfläche

Claims

Ein IoT- und ML-basiertes intelligentes Landwirtschaftssystem für die Überwachung der landwirtschaftlichen Umgebung und die Auswahl der Ernte umfasst: einen Temperatur- und Feuchtigkeitssensor zur Messung von Temperatur- und Feuchtigkeitsparametern des Bodens; einen kapazitiven Bodenfeuchtigkeitssensor zur Messung des volumetrischen Wassergehalts im Boden; einen pH-Sensor zur Messung des pH-Wertes des Bodens in verschiedenen Umgebungen und zur Anzeige auf einer Skala von 0 bis 14, wobei der Bereich als sauer (0), neutral (7) und alkalisch (14) bezeichnet wird; eine Steuereinheit zum Erzeugen einer Empfehlung für eine oder mehrere Kulturen entsprechend den Bodeneigenschaften und Umweltbedingungen, wobei die Steuereinheit umfasst: eine Eingabeeinheit zur Erfassung von Feuchtigkeit, Temperatur, Wassergehalt, Stickstoff-, Phosphor-, Kalium- und pH-Werten des Bodens sowie der Niederschlagsmenge im Gebiet; eine Datenvorverarbeitungseinheit zum Bereinigen des Datensatzes und zum Ersetzen von Nullwerten durch den Modus der jeweiligen Spalten sowie zum Konvertieren von Zeichenketten unter Verwendung eines Etikettencodierers; eine Datenvisualisierungseinheit zur Bestimmung eines Satzes von Faktoren, die für die Pflanzenproduktion verantwortlich sind, wobei der Satz von Faktoren aus einer Gruppe von Genetik, Klima und deren Zusammenspiel ausgewählt wird und die Merkmale der Pflanzenvorhersage beeinflusst; ein Pflanzenempfehlungsmodell zum Erzeugen von Empfehlungen für eine oder mehrere Pflanzen auf der Grundlage des Vergleichs der erhaltenen Umgebungsbedingungen und Bodeneigenschaften mit den zuvor gespeicherten Umgebungsbedingungen und Bodeneigenschaften einer bestimmten Art von Pflanzen; und eine Benutzerschnittstellenanwendung, die auf dem Benutzergerät installiert ist und über eine Kommunikationsvorrichtung mit der Steuereinheit verbunden ist, um die empfohlene(n) Kulturpflanze(n) anzuzeigen, die für den Anbau und ein gutes Wachstum in diesem bestimmten Gebiet geeignet sind.
System nach Anspruch 1, wobei der pH-Sensor eine Messglaselektrode, eine Referenzelektrode, einen Verstärker und einen Analog-Digital-Wandler umfasst, um den pH-Wert einer wässrigen Lösung unter verschiedenen Umgebungsbedingungen zu messen. Dabei bezieht sich der pH-Bereich auf die Alkalität oder den Säuregrad der Substanz.
System nach Anspruch 1, bei dem die pH-Elektrode zur Messung des pH-Wertes im Inneren aus einer Referenzelektrode, einer Lösung, einer &-Verbindung und einer Glaskugel mit einer Hydratationsgelschicht besteht und bei dem ein elektrischer Strom beim Eintauchen der Elektrode in eine verdünnte Probe oder beim Eindrücken der Elektrode in den Boden ausgelöst wird. Außerdem bestimmt das Prüfgerät die Ladung der Referenzlösung/Probe und vergleicht sie mit dem Boden.
Das in Anspruch 1 beschriebene System, bei dem das Modell zur Empfehlung von Kulturpflanzen vorzugsweise ein Random-Forest-Klassifikator ist, der so gewählt wird, dass er automatisch eine oder mehrere Kulturpflanzen vorhersagt, die für den Anbau und ein gutes Wachstum in diesem spezifischen Gebiet geeignet sind, und zwar auf der Grundlage der erhaltenen Bodeneigenschaften und Umweltbedingungen, um einen hohen Ertrag zu fördern.
System nach Anspruch 1, wobei die Steuereinheit so konfiguriert ist, dass sie die Bewässerung kontrolliert überwacht und unterstützt, um eine Schädigung der Kulturen zu verhindern.
System nach Anspruch 1, dadurch gekennzeichnet, dass das System eine Motorsteuerung aufweist, die bei Empfang eines Signals von der Steuereinheit, das eine verringerte Feuchtigkeit oder einen verringerten volumetrischen Wassergehalt des Bodens feststellt, einen Motor zur Bewässerung des Feldes einschaltet.
System nach Anspruch 1, wobei die vorgespeicherten Bodeneigenschaften und Umgebungsbedingungen einer bestimmten Kulturart in einem Cloud-Server gespeichert sind, der drahtlos mit der Steuereinheit verbunden ist, und die vorgespeicherten Bodeneigenschaften und Umgebungsbedingungen auf der Grundlage von Standardparametern der Kulturarten, einschließlich Bodentyp und Wetter, ausgewählt werden.
System nach Anspruch 1, wobei der kapazitive Bodenfeuchtesensor einen Wassergehaltsstatus des Bodens in Prozent erzeugt, nachdem ein Elektrodenpaar des Sensors in den Boden eingeführt und der Wassergehalt des Bodens gemessen wurde.
System nach Anspruch 1, wobei die Benutzerschnittstelle drei Dashboards umfasst, darunter ein Wetter-Dashboard, das dem Landwirt Informationen über die Wetter-/Temperaturinformationen und Niederschlagsaufzeichnungen in dem Gebiet liefert, ein Boden-Dashboard, das Einzelheiten über Feuchtigkeit, Temperatur, Wassergehalt, Stickstoff-, Phosphor-, Kalium- und pH-Gehalt liefert, und ein Informations-Dashboard, das einen oder mehrere empfohlene Pflanzennamen liefert.
System nach Anspruch 1, wobei das vorgeschlagene System eine Regenerkennungseinheit zur Erkennung von Niederschlag in einem definierten Gebiet umfasst, wobei die Benutzerschnittstelle mit einer Wettervorhersage-Website verbunden ist, um die Landwirte über die Wettersituation zu informieren und eine frühzeitige Empfehlung für die Auswahl einer oder mehrerer Kulturen zu erstellen.