PLANT MONITORING SYSTEM: ШІ-СИСТЕМА ДЛЯ РОЗУМНОГО МОНІТОРИНГУ РОСЛИН

Анотація

Сучасне сільське господарство стикається з численними викликами, такими як нестача водних ресурсів, зміни клімату та необхідність точного контролю за станом культур. Традиційні методи моніторингу часто не забезпечують достатньої точності, що може призводити до зниження врожайності та нераціонального використання ресурсів. Мета роботи – розробка та оцінка ефективності інтелектуальної системи SmartPlant AI для автоматизованого моніторингу рослин з метою оптимізації використання ресурсів, підвищення врожайності та зменшення впливу людського фактора. Методологія. Система SmartPlant AI поєднує IoT-пристрої, хмарні технології та алгоритми штучного інтелекту для аналізу критичних параметрів довкілля в реальному часі. Використовуються сенсори для вимірювання вологості ґрунту, температури, освітлення та складу поживних речовин. Контролери ESP8266, ESP32, Raspberry Pi та Arduino передають ці дані у хмару через Wi-Fi або LoRaWAN, застосовуючи MQTT чи HTTP API. Алгоритми машинного навчання прогнозують загрози та формують рекомендації, зокрема нейронні мережі аналізують взаємозв’язки між параметрами середовища, регресійні моделі оцінюють їхній вплив на ріст рослин, а decision trees оптимізують полив і внесення добрив. Наукова новизна. Запропонована система забезпечує інтеграцію IoT, хмарних обчислень та штучного інтелекту для автоматизованого моніторингу стану рослин, що дозволяє підвищити точність агротехнологій. Використання алгоритмів машинного навчання у процесі обробки даних дає змогу прогнозувати загрози та адаптувати догляд за рослинами відповідно до поточних умов. Висновки. Результати тестування на прикладі вирощування томатів показали, що система SmartPlant AI знижує споживання води на 31%, стабілізує рівень вологості ґрунту та сприяє швидшому росту рослин на 34% у порівнянні з традиційними методами. Автоматизація процесу догляду за рослинами дозволяє зменшити вплив людського фактора, підвищити ефективність аграрного виробництва та мінімізувати ризики, пов’язані з кліматичними змінами. Подальші дослідження можуть включати інтеграцію додаткових сенсорів, використання дронів та супутникових даних для ще точнішого управління сільськогосподарськими процесами.