Sistema de riego autónomo basado en la Internet de las Cosas
Fecha:
15/01/2016Palabra clave:
Tipo de Ítem:
masterThesis
Resumen:
Las necesidades de agua para la producción de alimentos seguirán en aumento debido al crecimiento de la población mundial. En este trabajo de investigación se ha construido un sistema de riego autónomo basado en la Internet de las Cosas (IoT). Se emplean elementos de bajo costo y hardware - software libre (Raspberry Pi, Arduino, Linux, Java, Wildfly, Python, etc.) para implementar Redes de Sensores Inalámbricos (WSN) que permiten obtener la información de las variables agroclimáticas (Humedad del suelo, temperatura ambiente, precipitación, etc.). Se implementó un sistema de Aprendizaje Maquina (Machine Learning) para la predicción del calendario de riego empleando servicios de Computación en la Nube. Los Servicios Web tipo RESTful y los formatos Json y Xml se emplearon para permitir la interoperabilidad entre los diferentes subsistemas (predicción, riego y cliente), hardware (Raspberry Pi, Xbee, computación en la nube) y software (Python, Java). Para hacer un uso eficiente del agua este prototipo de Agricultura Inteligente (Smart Farming) se apoya en la Internet de las Cosas y el Aprendizaje Maquina para responder a las preguntas de cuándo y cuánto regar.
Descripción:
Water needs for food production will increase due to the growth of the world population. In this research it has built a self-watering system based on Internet of Things (IoT). Inexpensive items and free hardware - software (Raspberry Pi, Arduino, Linux, Java, Wildfly, Python, etc.) are used to implement Wireless Sensor Networks (WSN), allowing the information about agro-climatic variables (soil moisture, ambient temperature, precipitation, etc.). It was implemented a Machine learning system for the prediction of irrigation scheduling using Cloud Computing’s service. RESTful Web Services, JSON and XML formats are used to enable interoperability between different subsystems (forecasting, irrigation and client),hardware (Raspberry Pi, Xbee, cloud computing) and software (Python, Java). To improve efficient use of water, this prototype of Smart Farming is based on the Internet of Things and the Machine Learning to answer the questions: When and How much to water?
Ficheros en el ítem
