Modern agriculture is constantly evolving to increase production despite unfavorable environmental conditions. A promising approach is 'greenhouse cultivation' providing a microclimate to the cultivated plants to overcome unfavorable climate. However, massive-sized greenhouses develop non-uniform micro-climate throughout the complex requiring high degree of human supervision. We propose deploying an Agri-Bot to create and maintain positive ecological conditions in the greenhouse, reducing labor costs and increasing production. The prototype will contain two primary systems, the navigation system and the data analytics system. The navigation system will be controlled by an Arduino, and data analytics will be handled using an ESP8266 microchip. Numerous sensors for measuring the greenhouse parameters will be mounted on the robot. It will follow a predefined path, while taking readings at checkpoints. The microchip will collect and process data from sensors, transmit to the cloud, and give commands to the actuators. The soil and climate parameters like temperature, humidity, light intensity, soil moisture, pH will be measured periodically. When the parameters are not within a specified range, the Agri-Bot will take corrective actions like switching on blowers/heaters, starting irrigation etc. If external intervention is required, eg., fertilizer, it will indicate accordingly. Deploying such an Agri-Bot for monitoring and controlling microclimate in large-scale greenhouses can mitigate labor costs while increasing productivity. In spite of an initial cost, it can provide a high return on investment by providing flexibility, low power consumption and easy management to help greenhouse be water efficient, provide evenly dispersed and controlled sunlight intensity, temperature and humidity.


翻译:尽管环境条件不利,现代农业正在不断演变,以增加生产,尽管环境条件不利。一个有希望的方法是“种植温室气体”,为种植植物提供微观气候,以克服不利气候。然而,大型温室在整个建筑群中发展出非统一的微型气候,需要高度的人类监督。我们提议部署一个农业植物,以在温室中创造和维持积极的生态条件,降低劳动力成本,增加生产。原型将包含两个初级系统,即导航系统和数据分析系统。导航系统将由Arduino控制,数据分析系统将使用ESP8266微型芯片处理。许多测量温室参数的传感器将安装在机器人上。许多测量温室参数的传感器将沿着预先确定的路径发展,同时在检查站进行阅读。微芯将收集并处理来自传感器的数据,向云中传输数据,并向导体发出指令。土壤和气候参数,如温度、湿度、轻度、土壤湿度、湿度、pH,将定期测量。当参数在规定的范围内,甚至温室温度都能够帮助进行数据分析。当参数返回时,Arig-Bot将使用ES系统进行快速的快速变暖变暖的温度,然后开始,在转换过程中将进行一个不断变压。

0
下载
关闭预览

相关内容

专知会员服务
123+阅读 · 2020年9月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年8月4日
SoftIGA: soft isogeometric analysis
Arxiv
0+阅读 · 2022年8月4日
Arxiv
0+阅读 · 2022年8月2日
VIP会员
相关VIP内容
相关资讯
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员