|
" طراحی، ساخت و ارزيابی سامانه هوشمند پيش‌بينی سرمازدگی بهاره در باغ "
| شماره شناسایی
|
:
|
18874222
|
| شماره مدرک
|
:
|
۶۱۲۱۹
|
| نام عام مواد
|
:
|
[گزارش نهایی -محرمانه]
|
| شناسه افزوده
|
:
|
باقری، نیکروز
|
|
|
:
|
سپهوند، موحد
|
|
|
:
|
ایوانی، افشین
|
| عنوان اصلي
|
:
|
طراحی، ساخت و ارزيابی سامانه هوشمند پيش‌بينی سرمازدگی بهاره در باغ
|
| عنوان اصلي به زبان ديگر
|
:
|
:Design, Construction and evaluation of an intelligent spring frost prediction system in orchard
|
| صفحه شمار
|
:
|
۴۹ ص.:مصور(عکس‌رنگی)، جدول، نمودار
|
| وضعیت انتشار
|
:
|
کرج: موسسه تحقیقات فنی و مهندسی کشاورزی، ۱۴۰۰
|
| فروست
|
:
|
شماره ثبت ۶۱۲۱۹ مورخ ۱۴۰۰/۱۲/۱۲۶۱۲۱۹
|
|
|
:
|
شماره طرح ۹۸۰۵۲۹-۰۳۰-۱۴-۱۴-۲۴
|
|
|
:
|
شماره نامه: سامانه سمپات
|
|
|
:
|
این طرح تجاری است
|
| خلاصه یا چکیده
|
:
|
سرمازدگی یکی از عوامل اصلی خسارت‌زای محصولات کشاورزی بوده و همه ساله صدمه‌های فراوانی را به تولید و اقتصاد کشاورزی کشور وارد می‌کند. در حال حاضر، از روش‌های حفاظت غیرفعّال و فعّال برای مقابله با سرمازدگی استفاده می‌شود. روش حفاظت فعّال شامل به‌کارگیری ماشین‌ها و تجهیزات مقابله با سرمازدگی است. مهمترین عامل در اثربخش بودن این تجهیزات، روشن‌کردن به‌موقع آن‌هاست. روشن‌کردن دیرهنگام تجهیزات باعث بی‌‌نتیجه بودن و روشن‌کردن زودهنگام باعث افزایش هزینه و استهلاک بیشتر آن‌ها می‌شود. بنابراین، پیش‌بینی وقوع سرمازدگی به‌منظور برنامه‌ریزی برای روشن‌کردن به‌موقع تجهیزات ضروری است. از این‌رو، در این پژوهش یک سامانه هوشمند مبتنی بر فناوری اینترنت‌اشیاء و شبکه حسگر بی‌سیم برای پیش‌بینی محلی و هشدار سرمازدگی بهاره طراحی و ساخته شد. این سامانه با توجه به نوع محصول، دمای آستانه سرمازدگی، ثبت برخط داده‌های دما و رطوبت‌نسبی هوا و پیش‌بینی دمای نقطه‌شبنم سه ساعت پیش‌رو براساس روش یادگیری عمیق، به‌محض تشخیص احتمال بروز سرمازدگی، پیامک هشدار به کشاورز می‌فرستد. از داده‌های هواشناسی سال‌های 1400-1390 برای پیش‌بینی استفاده شد. همچنین، بااستفاده از یک اپلیکیشن قابل‌نصب روی گوشی تلفن‌همراه، با معرفی روش‌ها و سامانه‌های کاهش اثر سرمازدگی، توصیه‌های فنی- ترویجی لازم برای مقابله با سرمازدگی ارائه می‌شود. ارزیابی عملکرد در سه مرحله شامل ارزیابی سامانه در اندازه‌گیری دما و رطوبت‌نسبی هوا، ارزیابی دقت پیش‌بینی سرمازدگی دیررس بهاره و ارزیابی دقت سامانه در اعلام هشدار انجام شد. براساس نتایج، دقت سامانه در اندازه‌گیری دما، اندازه‌گیری رطوبت‌نسبی هوا، پیش‌بینی سرمازدگی و اعلام هشدار به‌ترتیب برابر با 99 درصد، 98 درصد، 94 درصد و 100 درصد به‌دست آمد. واژه‌های کلیدی: اینترنت اشیاء، سرمازدگی بهاره، شبکه بی‌سیم، کشاورزی هوشمند.
|
|
|
:
|
Frost is one of the main harmful factors in agricultural products and every year it causes a lot of damage to the production and agricultural economy of the country. There are currently several methods and equipment to protect plants and trees from frost. Late turning on the equipment makes them ineffective and turning on too early increases the cost and further depreciation of the device. Therefore, the most important factor in the effectiveness of the protection method is an accurate prediction of frost time. Therefore, in this research, an intelligent system based on IoT technology and a wireless sensor network was designed and built for local spring frost forecasting and warning. This system according to the type of product, frost threshold temperature, local weather conditions and online recording of temperature and relative humidity data, calculating dew point temperature, and predicting dew point temperature for the next three hours based on deep learning method, sends an alarm to a farmer as soon as the frost is detected. The 10-years meteorological data (from 2011-2021) were used to train the network. Also, this system, by using a mobile phone-based android application, provides the necessary technical recommendations for the protection of the product to farmers. Performance evaluation was carried out in three stages including system evaluation in measuring air temperature and relative humidity, evaluation of frost prediction accuracy and also evaluation of system accuracy in a warning. Based on the obtained results, the accuracy of the system in measuring the temperature and relative humidity of the air was 99% and 98%, respectively, the accuracy of the system in predicting frost was 94% and the accuracy of the system in announcing the alarm was 100%.Keywords: Internet of Things (IoT), Intelligent Agriculture, Spring Frost, Wireless Network.
|
| |