
Les étudiants conçoivent un système IoT pour les agriculteurs – Serveur d’impression
Le 21 septembre 2019, Keysight Technologies a organisé la finale de son défi de l'innovation IoT à New York. En tant que membre du jury, j'ai eu l'occasion de voir et d'entendre directement les six finalistes alors qu'ils présentaient leurs conceptions dans les catégories "Smart Land" et "Smart Water". L'un des finalistes de Smart Land était une équipe d'étudiants du MIT: Nikhil Murthy, Gabriella Garcia, Sunny Tran et Irin Ghosh. Pour en savoir plus sur leurs objectifs de conception et leurs défis, j'ai rencontré Murthy, Garcia et Tran (Figure 1) près du campus du MIT, un mois après la compétition.

Figure 1 Les étudiants (de gauche à droite) Nikhil Murthy, Gabriella Garcia et Sunny Tran sur le campus du MIT à Cambridge, Massachusetts.
L'entrée de l'équipe, appelée "berrySmart", a commencé comme un projet de classe, après quoi les étudiants l'ont inscrite au concours Keysight. "Nous prenions une classe IoT et berrySmart était notre projet de classe", a déclaré Murthy. "Ce n'est que plus tard que nous l'avons soumis au concours Keysight."
Comment ont-ils trouvé le concept? Comme l'explique Murthy, «après des heures de réflexion pour une idée, je me suis souvenu d'avoir parlé à un cultivateur de bleuets. Il n'avait pas les ressources dont disposent de plus grandes exploitations. Nous avons alors commencé à réfléchir à la manière d'utiliser ce que nous avions appris. la classe IoT qui pourrait aider. "
"Nous avions entendu parler de projets IoT dans le secteur agricole", a ajouté Garcia, "mais la plupart étaient des robots. Nous voulions un projet reposant davantage sur des logiciels et utilisant des données collectées à partir de capteurs. "Ce qui est vraiment impressionnant, c’est que les étudiants ne disposaient que de trois semaines et de 80 dollars pour développer un concept qu’ils pourraient montrer à la classe de 200.
Prototype
Avec berrySmart, les agriculteurs peuvent configurer un réseau maillé Wi-Fi où les nœuds de capteurs collectent des données sur la température, l'humidité et les conditions du sol. Un module prototype (Figure 2), présenté aux finales du concours, utilise un microcontrôleur, un panneau solaire, des piles et un module Wi-Fi. Un seul nœud berrySmart (le "nœud périphérique") doit se connecter à Internet. Chaque nœud relaie les données aux autres nœuds, qui transmettent les données au nœud d'extrémité.

Les projets d'ingénierie sont pleins de décisions techniques. Au départ, les étudiants ont envisagé de développer un réseau maillé basé sur Bluetooth. Après avoir passé la moitié de ses trois semaines de travail, l’équipe a réalisé que Bluetooth ne fonctionnerait pas à cause de sa courte portée. Ainsi, ils sont passés au Wi-Fi. Le réseau basé sur Bluetooth n'était pas fiable ", a déclaré Tran." Il a abandonné trop de paquets. Avec le Wi-Fi, nous n’avons pratiquement pas perdu de paquets et les connexions sont restées stables. "
"En raison du temps passé sur Bluetooth", a ajouté Murthy, "nous avions peur de ne jamais terminer le projet à temps. Nous avons été soulagés de pouvoir utiliser le Wi-Fi et de passer à autre chose."
Garcia a noté qu'il existe relativement peu de documentation en ligne sur la mise en œuvre d'un réseau maillé à l'aide de leur microcontrôleur. La portée était un problème, ce qui explique pourquoi ils ont opté pour cinq nœuds par acre. "Avec une meilleure électronique, nous pouvons probablement augmenter la portée et utiliser moins de nœuds si nécessaire. Cela dépend de la culture. Pour une culture standardisée telle que le maïs, un agriculteur pourrait utiliser moins de cinq nœuds par acre."
Lorsqu'on lui a posé des questions sur les capteurs, Murthy a expliqué qu'ils utilisaient un capteur d'humidité dans le sol, un capteur de lumière ambiante (photorésistance) et un capteur de température / HR. "Puisque berrySmart est flexible et à source ouverte, les agriculteurs peuvent ajouter des capteurs tels que le pH. Le réseau maillé est également à source ouverte. Nous avons développé un tableau de bord logiciel capable de faire des recommandations en fonction des données des capteurs."
"Les agriculteurs souhaitent disposer d'options pour personnaliser leurs capteurs", a déclaré Garcia. "Nous avons utilisé une photorésistance pour détecter la lumière, mais les agriculteurs ont également manifesté leur intérêt pour l'utilisation d'autres capteurs. Malgré cela, ils ne veulent pas construire eux-mêmes les réseaux de capteurs." Murthy a fait remarquer que les agriculteurs voulaient un système plug-and-play dans lequel ils n’ont pas à traiter avec des câbles. Ils veulent un système capable de détecter automatiquement le type de capteur et de collecter des données. Les capteurs tels que ceux utilisés pour l'humidité des sols ont des sorties analogiques, tandis que d'autres sont numériques.
L'électronique derrière berrySmart comprend:
- Émetteur-récepteur ESP32 Wi-Fi
- Carte microcontrôleur Arduino avec 32 canaux d'E / S
- Carte de gestion de l'alimentation
- Panneau solaire
- Batterie
Compte tenu du délai de trois semaines, l’équipe a dû utiliser des composants facilement disponibles. Tran a noté qu'une conception future pourrait utiliser un processeur Microchip ATTiny85, ce qui devrait permettre de réduire la consommation d'énergie, notamment en raison du nombre réduit de ports d'E / S. "Nous n'avions besoin que de cinq ou six ports d'E / S", a déclaré Murthy, "notez le 32 sur la carte Arduino." À l'aide d'un logiciel à source ouverte, Garcia a conçu un circuit imprimé unilatéral pour intégrer l'ensemble du système, puis l'équipe a ajouté des câbles pour effectuer les connexions.
Le berrySmart a besoin d'un logiciel pour contrôler chaque nœud, communiquer avec le réseau, collecter des données et les présenter à un agriculteur. Ils devaient développer un protocole pour que les notes puissent communiquer via Wi-Fi. Ils ont créé une bibliothèque open source pour Arduino afin de créer le réseau maillé. Il est basé sur le protocole HELLO qui établit des liens entre les nœuds voisins. Ils ont également ajouté des tampons de données pour Arduino. Maintenant, n'importe qui peut utiliser la bibliothèque, comme ils l'ont fait dans cette application. Avec le protocole, les nœuds peuvent relayer des données vers le nœud de bord, qui se connecte à un serveur via Internet. Ce seul lien pourrait se produire à la ferme ou dans une serre. "Parce que de nombreuses serres disposent du Wi-Fi", a déclaré Garcia, "nous pourrions utiliser moins de nœuds pour la mise en ligne des données. Seules les plus petites fermes peuvent ne pas disposer du Wi-Fi dans la serre. Nous avons travaillé avec une petite ferme biologique qui ne possédait pas Wi-Fi dans la serre, mais la ferme ne faisait que cinq acres. "
Actuellement, le réseau maillé se connecte à un serveur du MIT qui héberge le tableau de bord de l'utilisateur (figure 3). Grâce à un navigateur, un agriculteur peut obtenir une carte de la ferme et afficher les données du capteur. Un algorithme d'apprentissage automatique peut informer l'agriculteur des zones de l'exploitation nécessitant son attention et suggérer des solutions telles que l'arrosage ou l'ajout de matière organique à un endroit donné. "Irin (Ghosh) était le développeur Web alors que je travaillais sur l'analyse," a déclaré Garcia. "Nous avons parcouru de nombreuses itérations au cours du développement." Murthy a noté que le fait de donner à l'agriculteur une présentation visuelle, par opposition aux données du capteur, augmentait considérablement la valeur de BerrySmart pour l'agriculteur. "Avoir des recommandations spécifiques était le plus utile", at-il ajouté.

En plus d'apprendre à connaître les réseaux et les protocoles, les étudiants ont dû se familiariser avec l'agriculture. Par exemple, ils ont dû rechercher ce que le système devrait recommander aux agriculteurs sur les mesures à prendre dans certaines conditions. Garcia a expliqué que, par exemple, des conditions de température élevée pourraient nécessiter de brumiser les cultures.
La machine à vecteurs de support de l'algorithme d'apprentissage automatique examine les données, y compris un emplacement géographique, pour placer le capteur sur un tracé de la ferme. En utilisant ces données de position, le logiciel fournit une "vue aérienne" des nœuds de capteur de la batterie. Il met en évidence des conditions extrêmes pouvant nécessiter l'attention d'un agriculteur. Une fois, selon Garcia, une telle application visait à détecter la température des framboises, avec des températures préférentielles comprises entre 21 et 27 ° C (70 ° F et 80 ° F). Lorsque la température atteint 32 ° C (90 ° F), l’agriculteur peut répandre le brouillard sur les plantes. Dans ce cas, le logiciel ne dit pas à l’agriculteur ce qu’il doit faire, mais indique simplement les domaines qui nécessitent une attention particulière. La recommandation basée sur la recherche pourrait s'appliquer à des conditions inconnues d'un agriculteur.
Le BerrySmart est vraiment un travail en cours. En effet, Murthy a indiqué qu'ils avaient obtenu des fonds pour des travaux supplémentaires. Certains fonds pourraient résulter du prix de 25 000 $ en argent de l'équipe, plus de 25 000 $ d'équipement Keysight pour le MIT. Bien que l'équipe n'ait remporté ni le grand prix (50 000 $ en argent plus 50 000 $ d'équipement) ni le prix du meilleur projet Smart Land, elle a reçu le prix Keysight Diversity in Tech, sélectionné par Marie Hattar, directrice générale de Keysight. «Cela me donne tellement d'espoir de savoir que ces jeunes étudiants sont notre avenir. C’est une chose de parler d’améliorer notre monde, mais ils s’en sortent et le font. En tirant parti des technologies émergentes, associées à un niveau de détermination et de courage inspirant, cette équipe est prête à avoir un impact réel. Keysight était ravi de reconnaître à cette équipe le prix Diversity in Tech et je suis impatient de suivre leur parcours. »
Interrogés sur l'équipement de test, les étudiants du MIT ont répondu qu'ils avaient sélectionné un oscilloscope pour leur professeur. "Il était très heureux", ont-ils expliqué.
Articles Liés:
Commentaires
Laisser un commentaire