병원균 예측: 수경 재배에서의 AI
소규모 수경 재배 농가들은 병원균으로 인해 작물을 손실하곤 합니다. 이러한 병원균은 환경적 신호를 놓쳤을 때 번식합니다. 습도가 상승하거나 펌프가 멈추면 부패가 발생하기 쉬운 환경이 조성됩니다. AI를 사용하면 피해가 확산되기 전에 조치를 취할 수 있습니다.
방법은 간단합니다. 주요 조건에 수치화된 위험 점수를 할당합니다. 여기에는 습도, 배양액 온도, 펌프 상태, 누수 등이 포함됩니다. 각 조건은 전체 질병 위험 지수에 기여합니다. 낮음은 1, 중간은 2, 높음은 3의 척도를 사용합니다. 합계가 미리 설정된 한계치에 도달하면, 시스템은 질병 발생 예측 알림을 보냅니다. 이는 즉시 해당 구역을 점검하라는 신호입니다.
잎 질병의 경우, 85% 이상의 습도가 6시간 이상 지속되면 높은 위험으로 가중치를 둡니다. 뿌리 부패의 경우, 24도 이상의 배양액 온도가 4시간 이상 지속되면 높은 점수를 부여합니다. 펌프 고장은 고인 물에 산소가 부족해지기 때문에 높은 점수를 추가합니다. SparkFun Soil Moisture Sensor를 사용하여 누수를 감지할 수 있습니다. 고인 물은 병원균의 번식지가 되므로, 누수 발생 시 지수에 높은 점수가 추가됩니다.
센서가 7시간 동안 88%의 습도를 기록합니다. 이는 높은 점수인 3점을 얻습니다. 동시에 펌프가 잠시 멈춘 것이 기록됩니다. 이는 총점에 3점을 더합니다. 지수가 6에 도달합니다. 이는 공기 흐름을 늘리고 식물을 점검하라는 경고를 발생시킵니다.
이를 구현하려면 다음 세 단계를 따르십시오:
- 센서 설정. 습도, 온도, 펌프 및 수분 센서를 배치합니다. InfluxDB와 같은 데이터베이스로 데이터를 스트리밍합니다.
- 점수 생성. 스크립트를 사용하여 임계값을 적용합니다. 모든 지표를 1~3점 사이의 점수로 변환하고 이를 합산합니다.
- 알림 대응. 지수가 임계값에 도달하면 알림을 받습니다. 체크리스트에 따라 구역을 점검하고 결과를 기록합니다.
센서 데이터를 위험 점수로 변환하면 질병 발생을 예측하는 데 도움이 됩니다. 이 프레임워크는 가공되지 않은 데이터를 신속한 의사결정을 위한 도구로 바꿔줍니다. 이는 수확량을 보호하고 손실을 줄이는 데 도움이 됩니다.
Optional learning community: https://t.me/GyaanSetuAi