உங்கள் டிஜிட்டல் ட்வினை உருவாக்குதல்: சிறிய அளவிலான அக்வாபோனிக்ஸிற்கான AI-ஆல் இயங்கும் சென்சார் உத்தி

நீரைத் துண்டுகளால் (strips) கைமுறையாகச் சோதிப்பதும், ஊட்டச்சத்து அளவுகளைக் கணிப்பதும் நேரத்தை வீணடிக்கும். இது உங்கள் பயிர்களுக்கும் ஆபத்தை விளைவிக்கும். சிறிய அளவிலான அக்வாபோனிக்ஸ் இயக்குபவர்களுக்கு நிகழ்நேரத் தரவு (real-time data) தேவை, அப்போதுதான் AI மூலம் நீரின் வேதியியல் மற்றும் பயோமாஸை (biomass) நிர்வகிக்க முடியும்.

மூன்று அடுக்கு சென்சார் உத்தி (Three-Tier Sensor Strategy) ஒரு துல்லியமான டிஜிட்டல் ட்வினை உருவாக்குகிறது. சென்சார் தரவுகளை அவற்றின் நோக்கத்தின் அடிப்படையில் அடுக்குகளாக அமைப்பதன் மூலம் இதை நீங்கள் உருவாக்கலாம்.

• அடுக்கு 1 (Tier 1) AI மாதிரிக்கான முக்கிய மாறிகளைப் (core variables) பிடிக்கிறது. இதில் pH, வெப்பநிலை, கரைந்த ஆக்சிஜன் மற்றும் மின் கடத்துத்திறன் (electrical conductivity) ஆகியவை அடங்கும். இந்தத் தொடர்ச்சியான அளவீடுகள் நீரின் வேதியியல் தற்போதைய நிலையைத் தெரிவிக்கின்றன.

• அடுக்கு 2 (Tier 2) செயல்பாட்டு ஆரோக்கிய சமிக்ஞைகளை (operational health signals) சேர்க்கிறது. கேமரா மூலம் நீரோட்ட விகிதம் (flow rate), சைஃபோன் நிலை (siphon status) மற்றும் மீன்களின் செயல்பாட்டைக் கண்காணிக்கலாம். வேதியியல் ஏன் மாறுகிறது என்பதை இந்த அடுக்கு விளக்குகிறது. இது அடைப்புகள் அல்லது பம்ப் தோல்விகளை முன்கூட்டியே எச்சரிக்கிறது.

• அடுக்கு 3 (Tier 3) நீண்டகால நுண்ணறிவை வழங்குகிறது. பசுமை இல்ல வெப்பநிலை, ஈரப்பதம், ஒளி மற்றும் தீவன விகிதங்களை நீங்கள் இதில் கண்காணிக்கலாம்.

இந்த அடுக்குகள் எண்களை ஒரு கதையாக மாற்றுகின்றன. அம்மோனியா அதிகரிப்பைக் கணிக்கவும், தீவனத்தை மாற்றியமைக்கவும் AI இந்தத் தகவலைப் பயன்படுத்துகிறது.

தானியங்கி அளவுத்திருத்தம் (auto-calibration) கொண்ட தொடர்ச்சியான pH புரோப் (probe) ஒரு முக்கிய அடுக்கு 1 கருவியாகும். ஒவ்வொரு சில நிமிடங்களுக்கும் pH அளவீடுகளைப் பெற இதை மீன் தொட்டியில் வைக்கலாம். இது தினசரி துண்டுகளைப் பயன்படுத்துவதை விட சிறந்தது மற்றும் இரு வாரங்களுக்கு ஒருமுறை அளவுத்திருத்தம் செய்வதன் மூலம் துல்லியமாக இருக்கும்.

சூழல்: உங்கள் AI மாதிரி 8 முதல் 12 மணிநேரத்தில் அம்மோனியா அதிகரிப்பைத் தெரிவிக்கிறது. வெப்பநிலை சென்சார் 2 டிகிரி உயர்வைக் காட்டுகிறது, மேலும் மீன் கேமரா செயல்பாட்டில் 15 சதவீத அதிகரிப்பைக் காட்டுகிறது.

செயல்படுத்தும் படிகள்:

  • pH மற்றும் வெப்பநிலை போன்ற அடுக்கு 1 சென்சார்களைப் பயன்படுத்தவும். நம்பகமான தரவுகளுக்கு அவற்றை ஒரு LoRaWAN கேட்வேயுடன் (gateway) இணைக்கவும்.

  • அடுக்கு 2 மற்றும் அடுக்கு 3 அடுக்குகளைச் சேர்க்கவும். நீரோட்ட சென்சார்கள் மற்றும் கேமராக்களை நிறுவவும். அனைத்துத் தரவுகளும் ஒரே நேர முத்திரையைப் (timestamp) பயன்படுத்துவதை உறுதி செய்யவும்.

  • தரவை ஒரு edge AI சேவைக்கு அனுப்பவும். முன்கணிப்பு மாதிரிகளை இயக்கவும் மற்றும் தானியங்கி டோசிங் (dosing) அல்லது பம்ப் மாற்றங்களைத் தூண்டவும் இதைப் பயன்படுத்தவும்.

உங்கள் சென்சார்களை மூன்று அடுக்குகளாகப் பிரிக்கவும்: முக்கிய வேதியியல், செயல்பாட்டு ஆரோக்கியம் மற்றும் மூலோபாய சூழல் (strategic context). இது உங்கள் அமைப்பைத் தானியக்கமாக்க AI-க்கான தரவுத்தொகுப்பை (dataset) உருவாக்குகிறது. உங்கள் அமைப்பை நிலையானதாகவும் குறைந்த பராமரிப்பு கொண்டதாகவும் வைத்திருக்க, அடுக்கு 1 புரோப்களுடன் தொடங்கி அங்கிருந்து விரிவுபடுத்தவும்.

Source: https://dev.to/ken_deng_ai/building-your-digital-twin-ai-powered-sensor-strategy-for-small-scale-aquaponics-231l

Optional learning community: https://t.me/GyaanSetuAi