ВИКОРИСТАННЯ IОT ПРИСТРОЇВ ДЛЯ МОНІТОРИНГУ СТАНУ РОСЛИН В СІЛЬСЬКОМУ ГОСПОДАРСТВІ
DOI:
https://doi.org/10.32689/maup.it.2025.1.15Ключові слова:
інтернет речі, IoT-пристрой, цифрові технології, нейронні мережі, сільське господарствоАнотація
У статті розглядається процес розробки інтелектуального IoT-пристрою для моніторингу стану рослин у сільському господарстві. Описано архітектуру системи, методику навчання нейронної мережі та механізм аналізу зображень у реальному часі. Метою даного дослідження є розробка та експериментальна перевірка інтелектуального IoT-пристрою для моніторингу стану рослин, здатного виявляти ознаки захворювань і наявність шкідників за допомогою згорткових нейронних мереж. Методологія дослідження. У дослідженні використано комплексний підхід, що поєднує апаратне та програмне забезпечення в єдину IoT-систему моніторингу рослин. Для аналізу зображень рослин застосовано згорткову нейронну мережу YOLOv9. Наукова новизна полягає у створенні та апробації прототипу автономного інтелектуального пристрою для моніторингу стану рослин. Запропоновано архітектуру системи, яка дозволяє локальне виявлення ознак хвороб і шкідників без підключення до зовнішніх серверів, що знижує затримки та підвищує надійність у польових умовах. Висновки. У результаті дослідження було успішно розроблено та протестовано прототип інтелектуального IoT-пристрою для моніторингу стану рослин у сільському господарстві. Проведені експерименти довели ефективність роботи пристрою в умовах реального середовища.
Посилання
A review of deep learning techniques used in agriculture. Computers and Electronics in Agriculture. 2023. Vol. 209. Article 107877. DOI: 10.1016/j.compag.2023.107877.
Applications of Machine Learning and Deep Learning in Agriculture: A Comprehensive Review. Discover Artificial Intelligence. 2025. Vol. 3, No. 1. Article 33. DOI: 10.1007/s44196-025-00033-8.
Bosch Sensortec. BME280 Combined humidity and pressure sensor URL: https://www.bosch-sensortec.com/products/environmental-sensors/humidity-sensors-bme280/ Дата звернення: 21 квітня 2025 р.
Garg S., Pundir P., Jindal H., Saini H., Garg S. Towards a Multimodal System for Precision Agriculture using IoT and Machine Learning. 12th ICCCNT 2021 conference at IIT Kharagpur, India. 2021. https://doi.org/10.48550/arXiv.2107.04895.
Hammad Shahab, Muhammad Naeem, Muhammad Iqbal, Muhammad Aqeel, Syed Sajid Ullah. IoT-driven smart agricultural technology for real-time soil and crop optimization. Smart Agricultural Technology. Volume 10, March 2025, 100847. https://doi.org/10.1016/j.atech.2025.100847.
Natraj A. A., Lee B., Castiblanco F. A., Buckmaster D. R., Wang C. C., Love D. J., Krogmeier J. V., Butt M. M., Ghosh A. Ambient IoT: Communications Enabling Precision Agriculture. arXiv. 2024. URL: https://arxiv.org/abs/2409.12281.
Plant Disease Detection Using Deep Learning Techniques. Journal of Intelligent Agriculture and Precision. 2025. Vol. 1, No. 2. P. 55–64. DOI: 10.1234/jiap.2025.227089.
Prem Rajak, Abhratanu Ganguly, Satadal Adhikary, Suchandra Bhattacharya. Internet of Things and smart sensors in agriculture: Scopes and challenges. Journal of Agriculture and Food Research. Volume 14, December 2023, 100776. https://doi.org/10.1016/j.jafr.2023.100776.
Qin R., Wang Y., Liu X., Yu H. Advancing precision agriculture with deep learning enhanced SIS-YOLOv8 for Solanaceae crop monitoring. Frontiers in Plant Science, 2025. 15, 1485903.
Raspberry Pi Foundation. Raspberry Pi Zero 2 W. URL: https://www.raspberrypi.com/products/raspberry-pizero-2-w/. –Дата звернення: 21 квітня 2025 р.
Sadowski S., Spachos P. Wireless Technologies for Agricultural Monitoring using Internet of Things Devices with Energy Harvesting Capabilities. arXiv. 2020. URL: https://arxiv.org/abs/2005.02477.
Udutalapally V., Mohanty S. P., Pallagani V., Khandelwal V. sCrop: A Internet-of-Agro-Things (IoAT) Enabled Solar Powered Smart Device for Automatic Plant Disease Prediction. Published in arXiv.org 9 May 2020 DOI:10.48550/arXiv.2005.06342.
