2、智能农业解决方案：智能灌溉与安全保障

智能农业解决方案：智能灌溉与安全保障

1. 基于Transformer模型的智能灌溉

在智能农业领域，精准的灌溉调度对于作物生长至关重要。为此，提出了两个可部署在树莓派4上的Transformer深度学习模型，树莓派4在物联网参考模型中充当LoRa网关和边缘服务器。一个模型用于预测天气，另一个用于预测一小时后的土壤湿度水平。这两个预测值将用于自动灌溉调度，并每五分钟更新一次灌溉计划。

选择Transformer模型而非传统的LSTM和GRU模型，是因为它是一种前沿的网络架构，尽管预测基于时间序列数据。

1.1 土壤湿度和天气预测

自动灌溉系统的挑战在于保持土壤湿度适合植物生长的各个阶段。通过构建Transformer模型，基于前一小时收集的包含土壤湿度、空气温度、空气湿度、气压和阳光亮度信息的五个时间序列，来预测下一小时的土壤湿度水平。另一个Transformer模型则用于预测下一小时的天气，因为灌溉调度同时依赖于土壤湿度和天气条件。天气状况将基于包含空气湿度、空气温度、气压、风速和先前时间戳收集的天气条件的五个时间序列进行预测。

• 数据集描述

  • 土壤湿度预测数据集 ：由SMART FASAL提供，包含土壤湿度、空气湿度、空气温度、气压和阳光亮度等农业参数，时间戳间隔为1 - 2分钟，可在 http://smartfasal.in/ftp-dataset-portal/