gregori0o / bh-22

JustFertilizeIt -- system optymalizacji oprysków upraw rolniczych / Bitehack 2022

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)