Ολοκληρωμένη λύση παρακολούθησης γεωργικών εκτάσεων με ανάπτυξη πρωτότυπου αισθητήρα LoRaWan και χρήση υπηρεσιών νέφους

Abstract

Η ολοένα και αυξανόμενη ζήτηση γεωργικών προϊόντων σε συνδυασμό με την προσπάθεια βελτίωσης της ποιότητας και του κόστους παραγωγής έχει οδηγήσει την ανθρωπότητα στην επιτακτική ανάγκη εύρεσης σύγχρονων λύσεων. Η εφαρμογή της έξυπνης γεωργίας και της γεωργίας ακριβείας φαίνεται πως μπορούν να δώσουν λύσεις. Η έξυπνη γεωργία ουσιαστικά είναι μια ευρύτερη έννοια κατά την οποία εφαρμόζονται διάφορες τεχνολογίες παρέχοντας κατάλληλες πληροφορίες ικανές να αυξήσουν την γεωργική παραγωγή. Συστήματα έξυπνης γεωργίας μπορούν είτε να συνδυαστούν με συμβατικές μεθόδους γεωργίας είτε να υλοποιηθούν εξ ολοκλήρου από την αρχή αυτοματοποιώντας πολλές διεργασίες για μέγιστη αποδοτικότητα. Για την υλοποίηση τέτοιων συστημάτων συνήθως δημιουργούνται δίκτυα διασυνδεμένων συσκευών, τέτοιες συσκευές είναι αυτές της λήψης μετρήσεων αλλά και των αυτοματισμών. Η δυνατότητα σύνδεσης των συσκευών μεταξύ τους ή με το διαδίκτυο ονομάζεται διαδίκτυο των πραγμάτων (Internet Of Things – IoT). Επίσης, μπορούν να εφαρμοστούν και άλλες τεχνολογίες όπως η χρήση δορυφορικών συστημάτων και αυτόνομων οχημάτων. Στην παρούσα διπλωματική υλοποιήθηκε ένα ολοκληρωμένο σύστημα παρακολούθησης γεωργικών εκτάσεων με τη χρήση πρωτότυπου αισθητήρα και υπηρεσιών νέφους. Πιο συγκεκριμένα, αρχικά αναπτύχθηκε ενεργειακά αυτόνομος αισθητήριος κόμβος αποστολής μετεωρολογικών δεδομένων με τη χρήση ασύρματου δικτύου χαμηλής ενέργειας ευρείας περιοχής LoRa, τον αισθητήριο κόμβο αποτέλεσαν ο μικροελεγκτής SODAQ ExpLoRer, αισθητήρες ατμόσφαιρας - εδάφους και ηλιακό κύκλωμα τροφοδοσίας. Ο προγραμματισμός του αισθητήριου κόμβου έγινε με τη χρήση του λογισμικού Arduino IDE και η δρομολόγηση των δεδομένων μέσω της πλατφόρμας The Things Network (TTN). Έπειτα, προγραμματίστηκε μια συσκευή Raspberry Pi για χρήση ως εξυπηρετητή. Για της ανάγκες αποθήκευσης και οπτικοποίησης των δεδομένων εγκαταστάθηκαν στον εξυπηρετητή η βάση δεδομένων χρονοσειρών InfluxDB, τα λογισμικό Grafana και Telegraf, επίσης έγινε χρήση υπηρεσιών νέφους (Cloud) για εφεδρική αποθήκευση. Επίσης, αναπτύχθηκε κατάλληλο πρόγραμμα για την αποστολή στατιστικών δεδομένων και ειδοποιήσεων στον τελικό χρήστη με τη χρήση δωρεάν εφαρμογής νέφους. Τέλος, πραγματοποιήθηκε συσχέτιση των δεδομένων του αισθητήριου κόμβου με αυτά πηγών ανοιχτών δεδομένων. Σκοπός του συγκεκριμένου συστήματος είναι η χρήση του σε γεωργικές εκτάσεις όπου η ειδοποίηση της μεταβολής και η παρακολούθηση της τάσης των καιρικών δεδομένων μπορούν να οδηγήσουν στην έγκαιρη παρέμβαση του ανθρώπου. Ένας ακόμη στόχος της συγκεκριμένης λύσης είναι να μπορεί εύκολα να επεκταθεί και να ενσωματωθεί σε άλλες πλατφόρμες αλλά και σε συστήματα αυτοματισμών.

The growing demand for agricultural products combined with the effort to improve the quality and cost of production has led humanity to the urgent need to find modern solutions. The application of smart farming and precision farming seems to be able to provide solutions. Smart farming is essentially a wide concept in which various technologies are applied to provide appropriate information capable of increasing agricultural production. Smart farming systems can either be combined with conventional farming methods or implemented entirely from the beginning by automating many processes for maximum efficiency. For the implementation of such systems, device networks are usually being installed, such devices are those of taking measurements but also of automation. The ability of devices to connect to each other or to the Internet is called the Internet of Things (IoT). Other technologies such as the use of satellite systems and autonomous vehicles can also be applied. In this diploma, an integrated monitoring system of agricultural areas was implemented using a model sensor and cloud services. More specifically, an energy-independent meteorological data transmission node sensor was initially developed using the wide area low power wireless network (LPWAN) LoRa. The node sensor was programmed using Arduino IDE software and the data was routed through The Things Network (TTN) platform. Next, a Raspberry Pi device was programmed to be used as a micro-server. For the needs of data storage and visualization, the InfluxDB time series database, Grafana and Telegraf software were installed on the server, and cloud services were also used for backup storage. Moreover, an appropriate program was developed to send statistical data and alerts to the end user using a free cloud application. Finally, the node sensor data was correlated with API data. The purpose of this system is to be used in agricultural areas where alerting for change and monitoring the trend of weather data can lead to timely human intervention. Another goal of this solution is to be able to easily expand and integrate into other platforms and automation systems.