ನಿಮ್ಮ ಡಿಜಿಟಲ್ ಟ್ವಿನ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು: ಸಣ್ಣ ಪ್ರಮಾಣದ ಅಕ್ವಾಪೋನಿಕ್ಸ್ ಗಾಗಿ AI-ಚಾಲಿತ ಸೆನ್ಸರ್ ತಂತ್ರಗಾರಿಕೆ
ಸ್ಟ್ರಿಪ್ಗಳನ್ನು ಬಳಸಿ ನೀರನ್ನು ಮ್ಯಾನುಯಲ್ ಆಗಿ ಪರೀಕ್ಷಿಸುವುದು ಮತ್ತು ಪೋಷಕಾಂಶದ ಮಟ್ಟವನ್ನು ಊಹಿಸುವುದು ಸಮಯವನ್ನು ವ್ಯರ್ಥ ಮಾಡುತ್ತದೆ. ಇದು ನಿಮ್ಮ ಬೆಳೆಗಳಿಗೆ ಅಪಾಯವನ್ನು ತರಬಹುದು. ಸಣ್ಣ ಪ್ರಮಾಣದ ಅಕ್ವಾಪೋನಿಕ್ಸ್ ನಿರ್ವಾಹಕರಿಗೆ ನೈಜ-ಸಮಯದ (real-time) ಡೇಟಾ ಅಗತ್ಯವಿದೆ, ಇದರಿಂದ AI ನೀರಿನ ರಸಾಯನಶಾಸ್ತ್ರ ಮತ್ತು ಬಯೋಮಾಸ್ ಅನ್ನು ನಿರ್ವಹಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
'ತ್ರೀ-ಟಿಯರ್ ಸೆನ್ಸರ್ ಸ್ಟ್ರಾಟಜಿ' (Three-Tier Sensor Strategy) ನಿಖರವಾದ ಡಿಜಿಟಲ್ ಟ್ವಿನ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ. ಉದ್ದೇಶಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಸೆನ್ಸರ್ ಡೇಟಾವನ್ನು ಪದರಗಳಾಗಿ (layering) ಜೋಡಿಸುವ ಮೂಲಕ ನೀವು ಇದನ್ನು ನಿರ್ಮಿಸಬಹುದು.
• ಟಿಯರ್ 1 (Tier 1) AI ಮಾದರಿಗಾಗಿ ಪ್ರಮುಖ ಚರಾಂಶಗಳನ್ನು (core variables) ಸೆರೆಹಿಡಿಯುತ್ತದೆ. ಇದು pH, ತಾಪಮಾನ, ಕರಗಿದ ಆಮ್ಲಜನಕ (dissolved oxygen) ಮತ್ತು ವಿದ್ಯುತ್ ವಾಹಕತೆಯನ್ನು (electrical conductivity) ಒಳಗೊಂಡಿದೆ. ಈ ನಿರಂತರ ಅಳತೆಗಳು ನೀರಿನ ರಸಾಯನಶಾಸ್ತ್ರದ ಪ್ರಸ್ತುತ ಸ್ಥಿತಿಯನ್ನು ತೋರಿಸುತ್ತವೆ.
• ಟಿಯರ್ 2 (Tier 2) ಕಾರ್ಯಾಚರಣೆಯ ಆರೋಗ್ಯ ಸಂಕೇತಗಳನ್ನು (operational health signals) ಸೇರಿಸುತ್ತದೆ. ನೀವು ಕ್ಯಾಮೆರಾವನ್ನು ಬಳಸಿ ಹರಿವಿನ ದರ (flow rate), ಸೈಫನ್ ಸ್ಥಿತಿ ಮತ್ತು ಮೀನಿನ ಚಟುವಟಿಕೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬಹುದು. ಈ ಹಂತವು ರಸಾಯನಶಾಸ್ತ್ರ ಏಕೆ ಬದಲಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸುತ್ತದೆ. ಇದು ಕೊಳಕು ತುಂಬಿಕೊಳ್ಳುವುದು ಅಥವಾ ಪಂಪ್ ವೈಫಲ್ಯಗಳನ್ನು ಮೊದಲೇ ಸೂಚಿಸುತ್ತದೆ.
• ಟಿಯರ್ 3 (Tier 3) ದೀರ್ಘಕಾಲೀನ ಒಳನೋಟವನ್ನು ನೀಡುತ್ತದೆ. ನೀವು ಗ್ರೀನ್ಹೌಸ್ ತಾಪಮಾನ, ತೇವಾಂಶ, ಬೆಳಕು ಮತ್ತು ಆಹಾರದ ದರವನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಬಹುದು.
ಈ ಪದರಗಳು ಅಂಕಿಅಂಶಗಳನ್ನು ಒಂದು ಕಥೆಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸುತ್ತವೆ. ಅಮೊನಿಯಾ ಏರಿಕೆಗಳನ್ನು (ammonia spikes) ಮುನ್ಸೂಚಿಸಲು ಮತ್ತು ಆಹಾರವನ್ನು ಹೊಂದಿಸಲು AI ಈ ಕಥೆಯನ್ನು ಬಳಸುತ್ತದೆ.
ಆಟೋ-ಕ್ಯಾಲಿಬ್ರೇಶನ್ (auto-calibration) ಹೊಂದಿರುವ ನಿರಂತರ pH ಪ್ರೋಬ್ ಒಂದು ಪ್ರಮುಖ ಟಿಯರ್ 1 ಸಾಧನವಾಗಿದೆ. ಪ್ರತಿ ಕೆಲವು ನಿಮಿಷಗಳಿಗೊಮ್ಮೆ pH ರೀಡಿಂಗ್ಗಳನ್ನು ಪಡೆಯಲು ನೀವು ಇದನ್ನು ಮೀನಿನ ಟ್ಯಾಂಕ್ನಲ್ಲಿ ಇರಿಸಬಹುದು. ಇದು ಪ್ರತಿದಿನ ಸ್ಟ್ರಿಪ್ಗಳನ್ನು ಬಳಸುವುದಕ್ಕಿಂತ ಉತ್ತಮವಾಗಿದೆ ಮತ್ತು ದ್ವಿ-ವಾರದ ಕ್ಯಾಲಿಬ್ರೇಶನ್ನೊಂದಿಗೆ ನಿಖರವಾಗಿರುತ್ತದೆ.
ಸನ್ನಿವೇಶ: ನಿಮ್ಮ AI ಮಾದರಿಯು 8 ರಿಂದ 12 ಗಂಟೆಗಳಲ್ಲಿ ಅಮೊನಿಯಾ ಹೆಚ್ಚಳವಾಗಲಿದೆ ಎಂದು ಮುನ್ಸೂಚಿಸುತ್ತದೆ. ತಾಪಮಾನ ಸೆನ್ಸರ್ 2 ಡಿಗ್ರಿ ಏರಿಕೆಯನ್ನು ತೋರಿಸುತ್ತದೆ ಮತ್ತು ಮೀನಿನ ಕ್ಯಾಮೆರಾ 15 ಪ್ರತಿಶತ ಚಟುವಟಿಕೆಯ ಹೆಚ್ಚಳವನ್ನು ತೋರಿಸುತ್ತದೆ.
ಅನುಷ್ಠಾನದ ಹಂತಗಳು:
pH ಮತ್ತು ತಾಪಮಾನದಂತಹ ಟಿಯರ್ 1 ಸೆನ್ಸರ್ಗಳನ್ನು ನಿಯೋಜಿಸಿ. ವಿಶ್ವಾಸಾರ್ಹ ಡೇಟಾಕ್ಕಾಗಿ ಅವುಗಳನ್ನು LoRaWAN ಗೇಟ್ವೇಗೆ ಸಂಪರ್ಕಿಸಿ.
ಟಿಯರ್ 2 ಮತ್ತು ಟಿಯರ್ 3 ಪದರಗಳನ್ನು ಸೇರಿಸಿ. ಫ್ಲೋ ಸೆನ್ಸರ್ಗಳು ಮತ್ತು ಕ್ಯಾಮೆರಾಗಳನ್ನು ಅಳವಡಿಸಿ. ಎಲ್ಲಾ ಡೇಟಾ ಒಂದೇ ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ ಅನ್ನು ಬಳಸುತ್ತಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ.
ಡೇಟಾವನ್ನು ಎಡ್ಜ್ AI (edge AI) ಸೇವೆಗೆ ಕಳುಹಿಸಿ. ಮುನ್ಸೂಚಕ ಮಾದರಿಗಳನ್ನು (predictive models) ಚಲಾಯಿಸಲು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತ ಡೋಸಿಂಗ್ ಅಥವಾ ಪಂಪ್ ಬದಲಾವಣೆಗಳನ್ನು ಪ್ರಚೋದಿಸಲು ಇದನ್ನು ಬಳಸಿ.
ನಿಮ್ಮ ಸೆನ್ಸರ್ಗಳನ್ನು ಮೂರು ಪದರಗಳಾಗಿ ವಿಂಗಡಿಸಿ: ಪ್ರಮುಖ ರಸಾಯನಶಾಸ್ತ್ರ, ಕಾರ್ಯಾಚರಣೆಯ ಆರೋಗ್ಯ ಮತ್ತು ಕಾರ್ಯತಂತ್ರದ ಸಂದರ್ಭ (strategic context). ಇದು ನಿಮ್ಮ ವ್ಯವಸ್ಥೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು AI ಗೆ ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ. ನಿಮ್ಮ ವ್ಯವಸ್ಥೆಯನ್ನು ಸ್ಥಿರವಾಗಿ ಮತ್ತು ಕಡಿಮೆ ನಿರ್ವಹಣೆಯೊಂದಿಗೆ ಇರಿಸಲು ಟಿಯರ್ 1 ಪ್ರೋಬ್ಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ಅಲ್ಲಿಂದ ವಿಸ್ತರಿಸಿ.
Optional learning community: https://t.me/GyaanSetuAi