What does this research mean for the field?

An IoT-enabled irrigation monitoring system utilizing Hall-effect sensors and AI-driven differential-threshold anomaly detection accurately localizes pipeline leaks with sub-two-second alert latency, enabling significant reductions in water wastage and operational costs. Novelty: ClaimNovelty.METHODOLOGICAL. Consensus alignment: ConsensusAlignment.NEUTRAL.

What question did this study set out to answer?

Diese Forschung zielt darauf ab, die Bewässerungseffizienz durch Echtzeitüberwachung und Anomalieerkennung in Bewässerungssystemen mithilfe von IoT- und KI-Technologien zu verbessern.

May 3, 2026Open Access

View Full Paper

AquaVision BI: Ein intelligentes KI-basiertes Bewässerungsüberwachungssystem mit IoT-Sensoren

VPVrushabh Jitendra Patil PPPratik Prakash Patil GMGanesh Rajendra Mote

Key Points

Diese Forschung zielt darauf ab, die Bewässerungseffizienz durch Echtzeitüberwachung und Anomalieerkennung in Bewässerungssystemen mithilfe von IoT- und KI-Technologien zu verbessern.
Drei Hall-Effekt-Durchflusssensoren mit einem ESP32 Wi-Fi-Mikrocontroller und KI-Algorithmus integriert.
Misst die Sensorimpulszählungen in Intervallen von einer Sekunde, um volumetrische Durchflussraten zu berechnen.
Verwendet paarweise differenzielle Analysen zur Lecklokalisation und liefert Warnmeldungen über das IoT-Dashboard.
Erzielte eine genaue Lecklokalisation über alle Sensorknoten mit einer Alarmlatenz von unter zwei Sekunden.
Signifikant reduzierter Wasserverlust und gesenkte Betriebskosten.
Förderte nachhaltige Praktiken im Wasserbewirtschaftungsmanagement in der Landwirtschaft.

Abstract

Traditionelle Bewässerungssysteme sind stark auf manuelle Inspektionen angewiesen, um Leckagen, Rohrverstopfungen und abnormalen Wasserfluss zu erkennen, was zu erheblichem Wasserverlust, verminderter Bewässerungseffizienz und erhöhten Wartungskosten führt. Dieses Papier präsentiert AquaVision BI, ein intelligentes IoT-fähiges Bewässerungsüberwachungssystem, das drei Hall-Effekt-Durchflusssensoren, einen ESP32 Wi-Fi-Mikrocontroller und einen KI-gesteuerten differenziellen Schwellenwert-Algorithmus integriert, um eine Echtzeitüberwachung von Bewässerungsleitungen zu erreichen. Das System misst kontinuierlich die Sensorimpulszählungen in Intervallen von einer Sekunde, berechnet volumetrische Durchflussraten und nutzt paarweise differenzielle Analysen, um Leckagen auf spezifische Rohrsegmente (stromaufwärts, im Mittellauf oder stromabwärts) zu lokalisieren. Bei der Erkennung von Anomalien werden automatisierte Warnmeldungen über das Blynk IoT-Cloud-Dashboard und einen lokalen Summer-Aktuator gesendet. Experimentelle Auswertungen auf einem kontrollierten Testfeld bestätigen die genaue Lokalisierung von Leckagen über alle drei Sensorknoten hinweg, mit einer durchgängigen Alarmlatenz von konstant unter zwei Sekunden. Das vorgeschlagene System reduziert signifikant den Wasserverlust, senkt die Betriebskosten und fördert nachhaltige Praktiken im Wasserbewirtschaftungsmanagement in der Landwirtschaft.

KI fragen

Bookmark

View Full Paper

KI fragen

Bookmark

View Full Paper

AquaVision BI: Ein intelligentes KI-basiertes Bewässerungsüberwachungssystem mit IoT-Sensoren

Key Points

Abstract

Cite This Study

Also Consider

Also Consider