بهره‌گيري از فن‌آوري اينترنت اشياء به‌منظور بهينه‌سازي فرآيند آبياري زمين‌هاي كشاورزي

Using the Internet of Things technology to optimize the process of irrigation of agricultural lands

با توجه به مسئله كمبود منابع آب و كاهش آن، به‌كارگيري اينترنت اشياء به‌منظور صرفه‌جويي در آب، مي‌تواند يك رويكرد هوشمندانه باشد. اگرچه بخش زيادي از مصرف آب در كشور، مربوط به مصارف كشاورزي است، اما در بسياري از مناطق، محصولات كشاورزي به‌دليل كم‌آبي يا بي‌آبي از بين مي‌روند و دليل عمده آن كاهش رطوبت خاك و نرسيدن آب به‌موقع به محصولات است. بر همين اساس، در اين پژوهش از طريق به‌كارگيري فن‌آوري اينترنت اشياء در كنار تكنيك‌هاي داده‌كاوي مبتني‌بر يادگيري نيمه‌نظارتي، يك راه‌كار هوشمند به‌منظور بهينه‌سازي فرآيند آبياري ارايه مي‌شود. مفيد بودن به‌كارگيري اين روش در اين است كه در ابتدا، سنسورها پارامترهاي ورودي كاربر را دريافت مي‌كنند. سپس اين پارامترها به زمان‌بند آبياري ارسال مي‌شود. اين زمان‌بند، اطلاعاتِ مربوط به دما، رطوبت خاك و هوا را نيز دريافت و به‌همراه ورودي‌هاي كاربر به بخش نگاشت الگوها ارسال مي‌كند. در بخش نگاشت، با توجه به الگوهاي از پيش‌تعريف‌شده و هم‌چنين يادگيري كه به كمك اين الگوها انجام مي‌دهد، نحوه آبياري را با توجه به شرايط مربوطه تعيين مي‌كند. در انتها، راه‌كار پيشنهادي در قالب يك نرم‌افزار مديريت هوشمند آبياري، پياده‌سازي شده است تا از طريق به‌كارگيري آن بتوان بهترين الگوي آبياري را به كاربر توصيه نمود. از طريق اجراي مكرر مدل در رطوبت‌هاي متفاوت مشخص گرديد كه الگوهاي توزيع‌شده توسط مدل براي حالاتي كه داده‌هاي چنداني در مورد رطوبت خاك و هوا وجود ندارد، مدل در محدوده‌هاي مختلف رطوبتِ خاك و هوا، الگوهاي توزيع غيرعادي و غيرمعمول توليد ننموده است.

Due to the lack of water resources and its reduction; Applying the Internet of Things to save water can be a smart approach. Although a large part of water consumption in the country is related to agricultural purposes, in many areas, agricultural products are lost due to lack of water or dehydration, and the main reason for this is the decrease in soil moisture and water not reaching the products on time. Accordingly, in this research, through the use of Internet of Things technology along with data mining techniques based on semi-supervised learning, an intelligent solution is presented to optimize the irrigation process of agricultural lands. The usefulness of using this method is that at first the sensors receive the user s input parameters, then these parameters are sent to the irrigation scheduler. This scheduler also receives information related to temperature, soil and air humidity and sends it to the pattern mapping section along with user inputs. In the mapping section, according to the pre-defined patterns and also the learning that he does with the help of these patterns, he determines the irrigation method according to the relevant conditions. Through repeated execution of the model in different humidity, it was determined that the patterns distributed by the model for situations where there is not much data about soil and air humidity, the model did not produce abnormal and unusual distribution patterns in different ranges of soil and air humidity.