IoT-basiertes präzises Gewächshausmanagementsystem unter Verwendung von Machine-Learning-Algorithmus

Das Internet der Dinge (IoT) ermöglicht eine zuvor unmögliche Interaktion zwischen zuvor unähnlichen Objekten. Die Implementierung von IoT ist entscheidend für den Erfolg der Landwirtschaft. Mit diesen Techniken können Landwirte ihre Erträge steigern und gleichzeitig weniger Ressourcen verwenden. Allerdings mangelt es den meisten Landwirten noch an Kenntnissen über moderne Techniken. Mit den IoT-Fähigkeiten, der Präzision und der intelligenten Landwirtschaft wird die landwirtschaftliche Produktion verwaltet, um die Qualität der Ernte zu verbessern, indem die notwendigen Nährstoffe geliefert werden. Es verringert die Umweltschäden, die durch den Einsatz übermäßiger Pestizide verursacht werden. In dieser Forschung wird IoT und ML als Grundlage genutzt, um die Plattform für nachhaltige landwirtschaftliche Entwicklung zu untersuchen und die Managementwirkung der Plattform zu verbessern. Diese Forschung beschreibt ein präzises und intelligentes landwirtschaftliches System, das überwachte Klassifizierung und regressionsbasierte Machine Learning verwendet, um vorhergesagte Daten zu Sensorparametern zu analysieren. Die Fog-, Edge- und Sensorschichten sind die drei entscheidenden Teile der vorgeschlagenen Methodik. Zur Steuerung der Aktuatoren im System wird die Anwendung von Machine Learning auf Sensordaten, die von prototypischen Embedded-Modellen gesammelt wurden, untersucht. Anschließend wurde auf der Fog-Schicht ein Analyse- und Entscheidungsfindungssystem entwickelt, das zwei überwachte Machine-Learning-Techniken umfasst, darunter Klassifikations- und Regressionsalgorithmen, die Entscheidungsbäume (DT) und mehrschichtige Perzeptronneuronnets (MLPNN) zur effizienten Verarbeitung nutzen. Bei der Untersuchung und Analyse der experimentellen Ergebnisse wird festgestellt, dass DT eine signifikant höhere Klassifikationsgenauigkeit aufweist als MLPNN und andere moderne Techniken.