Possibilities of IoT based management system in greenhouses
Kulcsszavak:
internet of things, sensor networks, environmental data acquisition, greenhouse, decision supportAbsztrakt
A fejlett információs technológiák elterjedése új lehetőséget biztosít a mezőgazdaság számára az optimális eredmény elérése érdekében. Az IoT (tárgyak internete) és a Big Data, az Ipar 4.0 koncepció részeként új módszereket biztosítanak primer adatbázisok létrehozására az adott farm igényeinek megfelelően. Korábban több moduláris, multifunkcionális adatgyűjtő rendszer fejlesztésével foglalkoztam a különböző faktorok több ponton történő mérése érdekében. A következőkben egy költséghatékony fóliasátor menedzsment rendszer kerül bemutatásra, mely az 5. generációs referenciarendszer alapján készült. Az első teszt alatt a rendszer több ponton biztosított környezeti adatokat a fóliasátor karakterisztikájának megismerésére, a döntéshozók igényeinek kielégítésére és vezérlési módszerek alapjaként való alkalmazására, mely biztosítja a termelés alatt az optimális környezeti feltételeket. A mérések és a gazdaságot leíró, menedzsment célú további adatok tárolása érdekében adatbázisok és a web alkalmazás új modulját alkalmaztuk az integritás érdekében. Az alkalmazás lehetőséget biztosít a rendszer menedzselésére, az adatok elemzésére és vizualizálására ETL folyamatok segítségével. A cikkben a kísérlet kezdeti lépéseit mutatjuk be, beleértve a lehetőségeket, a szenzorhálózatot, a menedzsment alkalmazást és egy tesztet a valós-idejű alkalmazással kapcsolatos tapasztalatok gyűjtése érekében, mely segíthet a további funkciók fejlesztések során.
Hivatkozások
Aiello, G., Giovino, I., Vallone, M., Catania, P., Argento, A. 2018. A decision support system based on multisensor data fusion for sustainable greenhouse management. Journal of Cleaner Production. 172, 4057–4065. https://doi.org/10.1016/j.jclepro.2017.02.197
Akkaş, M. A., Sokullu, R. 2017. An IoT-based greenhouse monitoring system with Micaz motes. In International Workshop on IoT, M2M and Healthcare (IMH 2017). https://doi.org/10.1016/j.procs.2017.08.300
Atia, D. M., El-madany, H. T. 2016. Temperature control based on ANFIS. Journal of Electrical Systems and Information Technology. 4 (1) 34–48. https://doi.org/10.1016/j.jesit.2016.10.014
Boissard, P., Martin, V., Moisan, S. 2008. A cognitive vision approach to early pest detection in greenhouse crops. Computers and Electronics in Agriculture. 62 (2) 81–93. https://doi.org/10.1016/j.compag.2007.11.009
Fountas, S., Carli, G., Sørensen, C. G., Tsiropoulos, Z., Cavalaris, C., Vatsanidou, A., Liakos, B., Canavari, M., Wiebensohn, J., Tisserye, B. 2015. Farm management information systems: Current situation and future perspectives. Computers and Electronics in Agriculture. 115, 40–50. https://doi.org/10.1016/j.compag.2015.05.011
Garcia, D. 2010. Robust smoothing of gridded data in one and higher dimensions with missing values. Computational Statistics & Data Analysis. 54 (4) 1167–1178. https://doi.org/10.1016/j.csda.2009.09.020
Gebbers, R., Adamchuk, V. I. 2010. Precision agriculture and food security. Science. 327 (5967) 828–831. https://doi.org/10.1126/science.1183899
Geng, H. 2017. Internet of Things and Data Analytics Handbook. Wiley. ISBN: 978-1-119-17364-9 https://doi.org/10.1002/9781119173601.ch1
Huang, Y. 2013. Automatic process control for the food industry: an introduction, Woodhead Publishing Limited. 3-20 ISBN: 978-1-84569-801-0 https://doi.org/10.1533/9780857095763.1.3
Lin, J.-S., Liu, C.-Z. 2008. A monitoring system based on wireless sensor network and an SoC platform in precision agriculture. In 2008 11th IEEE International Conference on Communication Technology, 101–104. https://doi.org/10.1109/ICCT.2008.4716133
Lasi, H., Fettke, P., Kemper, H.-G., Feld, T., Hoffmann, M. 2014. Industry 4.0, Wirtschaftsinformatik, 56, 261–264 https://doi.org/10.1007/s11576-014-0424-4
Liao, M. S., Chen, S. F., Chou, C. Y., Chen, H. Y., Yeh, S. H., Chang, Y. C., Jiang, J. A. 2017. On precisely relating the growth of Phalaenopsis leaves to greenhouse environmental factors by using an IoT-based monitoring system. Computers and Electronics in Agriculture. 136, 125–139. https://doi.org/10.1016/j.compag.2017.03.003
Luque, A., Peralta, M. E., de las Heras, A., Córdoba, A. 2017. State of the Industry 4.0 in the Andalusian food sector, In Manufacturing Engineering Society International Conference, MESIC 1199–1205. https://doi.org/10.1016/j.promfg.2017.09.195
Tóth, M., Felföldi, J., Szilágyi, R. 2018. IoT eszközök alkalmazása a döntéshozatal támogatására, International Journal of Engineering and Management Sciences 3 (4) 125–141. https://doi.org/10.21791/IJEMS.2018.4.12.
Naveen Balaji, G., Nandhini, V., Mithra, S., Priya, N., Naveena, R. 2018. IOT Based Smart Crop Monitoring in Farm Land. Imperial Journal of Interdisciplinary Research. 4 (1) 88–92.
Paraforos, D. S., Vassiliadis, V., Kortenbruck, D., Stamkopoulos, K., Ziogas, V., Sapounas, A. A., Griepentrog, H. W. 2017. Multi-level automation of farm management information systems. Computers and Electronics in Agriculture. 142, 504–514. https://doi.org/10.1016/j.compag.2017.11.022
Park, D. H., Park, J. W. 2011. Wireless sensor network-based greenhouse environment monitoring and automatic control system for dew condensation prevention. Sensors. 11 (4) 3640–3651. https://doi.org/10.3390/s110403640
Patrício, D. I., Rieder, R. 2018. Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic review. Computers and Electronics in Agriculture. 153, 69–81. https://doi.org/10.1016/j.compag.2018.08.001
Rajendra, P., Kondo, N., Ninomiya, K., Kamata, J., Kurita, M., Shiigi, T., Hayashi, S., Yoshida H., Kohno, Y. 2009. Machine vision algorithm for robots to harvest strawberries in tabletop culture greenhouses. Engineering in Agriculture, Environment and Food. 2 (1) 24–30. https://doi.org/10.1016/S1881-8366(09)80023-2
Rupnik, R., Kukar, M., Vračar, P., Košir, D., Pevec, D., Bosnić, Z. 2018. AgroDSS: A decision support system for agriculture and farming. Computers and Electronics in Agriculture. 161, 260–271. https://doi.org/10.1016/j.compag.2018.04.001
Tilman, D., Balzer, C., Hill, J., Befort, B. L. 2011. Global food demand and the sustainable intensification of agriculture. In Proceedings of the National Academy of Sciences. 108 (50) 20260–20264. https://doi.org/10.1073/pnas.1116437108
Yick, J., Mukherjee, B., Ghosal, D. 2008. Wireless sensor network survey, Computer Networks, 52 (12) 2292–2330. https://doi.org/10.1016/j.comnet.2008.04.002
Zhou, H. 2013. The Internet of Things in the Cloud. A middleware Perspective, CRC Press ISBN 9781439892992
Letöltések
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2019 Tóth Mihály , Felföldi János , Szilágyi Róbert
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
The articel is under the Creative Commons 4.0 standard licenc: CC-BY-NC-ND-4.0. Under the following terms: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use. You may not use the material for commercial purposes. If you remix, transform, or build upon the material, you may not distribute the modified material. You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Georgikon for Agriculture