برای مشاهده مقاله بر روی لینک زیر کلیک کنید:
“A new Solar-IoT Based Method for Mushroom Cultivationc”
:Abstract of the article
Althoug, Mushroom cultivation is a growing industry for recent years, but maintaining proper conditions in mushroom farms may be challenging, especially for small-scale farmers without accessibility to modern controller systems. In this paper, a new IoT-based approach based on Blynk platform for mushroom cultivation is presented. The Blynk dashboard includes gauges for monitoring humidity and temperature in real time, as well as sliders for controlling the environment situations. The sliders are connected to relays which are powered by a solar power system. This mechanism making it a proper option for using in a remote locations without access to main grid, also the low cost of the system makes it an affordable option for small-scale farmers. For improving the identification characteristic, a hybrid method consists of differential evolution algorithm and wavelet transform is used. The model is a classification model trained on a dataset of healthy and diseased mushrooms, which can determine the real-time conditions of mushrooms. For practical applications, reducing the number of extracted features and minimizing redundancy features have great importance. In the proposed method, features are extracted from the original data by applying differential evolution algorithm. Then these features were evaluated by methods such as logistic regression, k-nearest neighborhood and decision tree. It was found that among the specified features, the first two features covered more than 89% of the variance of the entire set. Then the wavelet transform method is applied to get final identifications. Finally, by reducing the number of features to 2, considerable amount of calculations is reduced and only about 4% of the accuracy provided for the estimated results is reduced
چکیده مقاله:
اگرچه کشت قارچ در سال‌های اخیر، صنعتی در حال رشد بوده است؛ اما حفظ شرایط مناسب در مزارع قارچ می‌تواند چالش‌برانگیز باشد، به‌ویژه برای کشاورزان کوچک که به سیستم‌های کنترلی مدرن دسترسی ندارند. در این مقاله، یک روش جدید مبتنی بر اینترنت اشیا (IoT) با استفاده از پلتفرم Blynk برای کشت قارچ ارائه شده است. داشبورد Blynk شامل نمایشگرهایی برای نظارت بر دما و رطوبت به‌صورت لحظه‌ای و اسلایدرهایی برای کنترل شرایط محیطی است. این اسلایدرها به رله‌هایی متصل هستند که توسط یک سیستم خورشیدی تغذیه می‌شوند. این سازوکار، استفاده از سیستم را در مکان‌های دورافتاده بدون دسترسی به شبکه برق امکان‌پذیر کرده و همچنین به دلیل هزینه‌ی پایین، گزینه‌ای مقرون‌به‌صرفه برای کشاورزان کوچک محسوب می‌شود. برای بهبود قابلیت شناسایی، از یک روش ترکیبی شامل الگوریتم تکامل تفاضلی (DEA) و تبدیل موجک (WT) استفاده شده است. مدل موردنظر یک مدل طبقه‌بندی است که بر روی مجموعه‌ای از داده‌های مربوط به قارچ‌های سالم و بیمار آموزش دیده و قادر به تعیین شرایط واقعی رشد قارچ است. در کاربردهای عملی، کاهش تعداد ویژگی‌های استخراج‌شده و به حداقل رساندن ویژگی‌های تکراری از اهمیت زیادی برخوردار است. در روش پیشنهادی، ویژگی‌ها از داده‌های اصلی با استفاده از الگوریتم تکامل تفاضلی استخراج شده‌اند. سپس این ویژگی‌ها با روش‌هایی مانند رگرسیون لجستیک (LR)، نزدیک‌ترین همسایه (KNN) و درخت تصمیم (DT) ارزیابی شده‌اند. نتایج نشان داد که دو ویژگی اول بیش از ۸۹٪ از واریانس کل مجموعه داده‌ها را پوشش می‌دهند. سپس از تبدیل موجک (WT) برای بهبود دقت شناسایی نهایی استفاده شد. در نهایت، با کاهش تعداد ویژگی‌ها به ۲ ویژگی اصلی، مقدار قابل‌توجهی از محاسبات کاهش یافت و تنها حدود ۴٪ از دقت تخمین نتایج کاهش پیدا کرد.