一个创新的智能和可持续的低成本灌系统,用于使用深度学习检测异常

科学领域:

• 农业技术 农业技术
• 人工智能的人工智能
• 物联网的物联网,就是物联网.

背景情况:

• 由于水资源短缺和成本和复杂性等技术采用障碍,小农在食品供应安全方面面临挑战.
• 现有的农业技术解决方案往往由于传感器故障而失败,导致决策不佳.
• PRIMA INTEL-IRRIS项目旨在弥合这一差距,为小农社区提供智能灌"盒装"概念.

研究的目的:

• 为小型农民设计和开发一个低成本,功能丰富的雾物联网/人工智能系统.
• 通过简化实施和确保可靠的传感器数据来解决技术采用犹的问题.
• 提出一种用于检测和纠正农田数据异常的创新系统,以防止泄漏并确保数据质量.

主要方法:

• 利用人工智能 (AI) 技术,特别是自动编码器 (AE) 和生成对抗网络 (GAN),用于传感器异常检测.
• 采用深度学习模型,包括CNN/BiLSTM架构,通过预测纠正异常.
• 将人工智能模型与物联网 (IoT) 平台集成,以促进异常标记和创建监督的数据集.

主要成果:

• 自动编码器 (AE) 在异常检测方面表现优于生成对抗网络 (GAN).
• 实现了高准确率:土壤湿度为90%,空气温度为95%,空气湿度为97%.
• 拟议的系统确保高质量,可靠的数据,用于农业灌的知情决策.

结论:

• 开发的低成本雾物联网/人工智能系统能够有效地检测和纠正传感器异常,改善小农的灌管理.
• 该系统能够确保数据质量和可靠性,这使得数字农业技术更容易获得和更有吸引力.
• 这种方法支持可持续农业,为智能用水提供强大的工具,并防止与数据相关的决策错误.