JustFertilizeIt -- system optymalizacji oprysków upraw rolniczych / Bitehack 2022
Python 49.40%Java 50.52%Shell 0.09%
bh-22's Introduction
BITEHACK 2022 - "Oszczędzanie"
Inspiracja
ogromne ilości żywności są marnowane przez nadmierne lub nieodpowiednie nawożenie i opryski upraw
na rynku pojawiają się czujniki mierzące parametry punktu roli, w szczególności natężenie występowania konkretnych szkodników
oszczędność pestycydów/nawozów → oszczędność żywności, pieniędzy, energii, gazów cieplarnianych, środowiska, podniesienie jakości żywności i gleby, ratujemy pszczoły (:D)
Pomysł
stworzenie algorytmu i sterownika
algorytm na podstawie zebranych danych wyznacza dozowanie środka dla danego punktu areału rolnego
wyjście algorytmu jest wejściem dla sterownika
sterownik, bazując na aktualnej pozycji ciągnika (GPS) i wyjściu algorytmu podejmuje decyzję o dozowaniu środka z danej grupy dyszy w danej chwili
Technologie
Python 3 (Flask, numpy)
MongoDB
Java (Swing, Gson)
Architektura
Ilość środka w funkcji zmierzonych parametrów
dobranie odpowiedniej zależności funkcyjnej do znalezienia heatmapy
parametry: ilość konkretnego szkodnika w jednostce czasu, opady, pora roku (etap rozwoju szkodnika, etap rozwoju uprawy), kierunek i siła wiatru (proces oprysku)
Baza danych
rozmieszczenie sensorów
zarejestrowane pomiary
koordynaty areału rolniczego
dane klientów
Serwer logiki biznesowej
obsługa zapytań sterownika
kontakt z bazą danych
obliczenie heurystyki
przesłanie wyniku do sterownika
Sterownik
zapytania do serwera
na podstawie danych z serwera wyznaczenie natężenia oprysku dla poszczególnych grupy dyszy
kontakt z systemem GPS
Pozyskiwanie danych
obecnie, głównie mock (generowane dane)
docelowo odczyty z rzeczywistych czujników, zapytania do API pogodowego, bazy danych pestycydów
Wizualizacja
Kierunki rozwoju
zwiększenie liczby parametrów funkcji (pestycydy, koszty, inne parametry atmosferyczne)
wyznaczanie oceny obecnej sytuacji na obszarze na podstawie zmian w pomiarach na przestrzeni czasu do oceny korzyści płynących ze sterownika i w celu modyfikacji parametrów funkcji
skonstruowanie bardziej zaawansowanych algorytmów optymalizacji i/lub zaadoptowanie metod sztucznej inteligencji / ML
system wyznaczania optymalnej trasy oraz sugerowania korzystnych dni oprysków (wpływ pogody, pory roku, innych przesłanek)