Получение максимальной отдачи от зарегистрированных датчиков и данных управления вашей гидропонной установки – Наука в гидропонике
Если у вас есть гидропонная культура с системой регистрации данных и автоматическим управлением, у вас, вероятно, есть много записанных данных датчиков и контроля, которые могут быть полезны для вывода результатов вашей культуры на новый уровень. В этом посте я расскажу о некоторых вещах, которые вы могли бы делать с этими сохраненными данными. Вы увидите, как использование этих данных открывает множество возможностей, и что даже реализация самых основных из этих предложений может привести к важным улучшениям в вашем понимании урожая и его результатов.
Самый простой способ воспользоваться зарегистрированными данными — это иметь возможность загружать данные и помещать их в структуру базы данных, которую вы можете правильно запрашивать и искать. Большинство решений для регистрации данных записывают данные либо в очень простые структуры, такие как файлы csv, либо в нереляционные базы данных, такие как MongoDB, которые довольно ограничены и не обеспечивают той степени универсальности, которую предлагает настоящий механизм реляционной базы данных. Наличие данных в правильно построенной базе данных позволит вам начать использовать их творчески. Например, имея данные в надлежащей базе данных, становится возможным создать пользовательскую визуализацию данных, которая поможет вам понять, что происходит внутри вашей растущей среды.
На изображениях в этом посте показаны некоторые примеры этого. В первом показан простой пример, когда довольно шумный датчик влажности сглаживается с помощью различных скользящих средних, которые затем можно использовать для реализации более эффективных алгоритмов управления. На втором изображении показана подробная карта значений температуры и влажности в помещении, раскрашенная по часам дня. Мы можем использовать этот график, чтобы легко определить, где могут быть проблемные времена и условия VPD, просто посмотрев, когда происходят экстремальные показания. Такое поведение было бы труднее наблюдать и диагностировать на обычном графике зависимости VPD от времени. Обычные веб-интерфейсы и платформы для регистрации данных не позволят вам создавать графики такого рода, поэтому размещение ваших данных в соответствующей БД и манипулирование ими для создания пользовательских визуализаций может быть очень эффективным.
Наиболее эффективные способы использования данных вступают в игру, когда вы фактически собираете воедино данные управления и датчиков. Допустим, у вас есть система переменного тока в сочетании с датчиком температуры, но у вас есть много других показаний температуры и влажности, и вы также знаете возраст ваших растений в каждый момент времени. Используя это, вы можете создать расширенный алгоритм управления, в котором система будет использовать всю эту дополнительную информацию, чтобы знать, когда запускать системы переменного тока и осушители для управления окружающей средой. Наличие большого количества зарегистрированных данных из системы контроля заданных значений является отличной отправной точкой для обучения алгоритма обучения с подкреплением для контроля климата, поскольку мы знаем, какие управляющие действия были предприняты в каждый момент времени, и мы знаем, какой эффект они оказали. Внедрение таких механизмов управления может привести к созданию систем управления, которые избегают скачков влажности и температуры при включении/выключении света, значительно сглаживая изменения окружающей среды для ваших культур.
Наконец, существует потенциал для повышения урожайности путем сбора подробных карт данных об урожайности в помещении и сопоставления этих данных с датчиками окружающей среды. Если у вас есть несколько разных датчиков в комнате и вы знаете урожай, который вы получили для каждого растения, вы можете создать карту всех урожаев в комнате, чтобы увидеть, есть ли важные различия в ваших урожаях, потому что различий в местной влажности, температуре, уровне освещенности или циркуляции воздуха. Это может привести к важной информации, которая поможет лучше настроить климатические условия для всего гроубокса. Если доступно несколько комнат, информация о данных датчиков окружающей среды может быть связана с урожайностью, чтобы во всех комнатах создавались более благоприятные условия.
Например, проанализировав данные об урожайности и температуре из нескольких циклов выращивания одного из моих клиентов, мы поняли, что теплица с наименьшими стандартными отклонениями температуры между датчиками дает наилучшие урожаи. Затем мы внедрили лучшие алгоритмы управления на других теплицах, чтобы предотвратить этого не произошло, и после этого мы получили значительно лучшие результаты по всем направлениям.
Данные — это сокровище. Если вы записывали разумные данные датчиков, климат-контроля и урожайности с течением времени, вы, вероятно, сидите на золотой жиле, которую вы еще не использовали. Если вы заинтересованы в том, чтобы воспользоваться моей помощью для этого, рассмотрите возможность бронирования часа консультации со мной, чтобы мы могли обсудить ваши потребности и то, как мы могли бы использовать ваши данные для улучшения ваших растущих результатов.
