Calculation of vegetation indicators in crops through optical methods and IoT technologies.
Υπολογισμός δεικτών βλάστησης σε καλλιέργειες μέσω οπτικών μεθόδων και τεχνολογιών IoT.
Abstract
Calculation of vegetation indicators is very important to understand a plant’s health, and how the plant behaves under certain environmental conditions. Those calculations are extremely helpful to agronomists and farmers and have applications in various fields such as agronomy, biology, botany, and many others. Many devices are made for this purpose, but most come with an excessive cost, low precision, or are too complex to use. This thesis proposes a precise, low-cost, easy-to-use device that calculates crop vegetation indicators through non-destructive, contactless optical methods and IoT technologies. The optical methods we use to calculate the indices are based on light reflection. The light reflected from the leaf’s surface will be measured. Some of the vegetation indices, that we will calculate are Simple Ratio, Normalized Difference Vegetation Index (NDVI), NDVIg, NDVI¬¬¬b), Infrared Percentage Vegetation Index (IPVI), and Enhanced Vegetation Index (EVI). We will evaluate with experiments the precision of our device. We will use LEDs that emit at certain wavelengths (465nm, 535nm, 630nm, and 840nm) and measure the reflectance from the surface of the leaves. The comparison revealed similar performance, demonstrating a strong correlation with the HR2000+ spectrometer (R2 = 0.92-0.97), proving the device's high potential for precise plant stress measurements. The hardware implementation consists of an Arduino Mega, sensors, modules, and other electronic components. We will also use I2C and SPI protocols to achieve communication between our microcontroller and the modules. The device will measure the vegetation indicators and then the values will be stored on an external SD card. The software part of the device was implemented using Arduino IDE v1.8.19. Ο υπολογισμός των δεικτών βλάστησης είναι πολύ σημαντικός για την κατανόηση της υγείας ενός φυτού και του τρόπου με τον οποίο το φυτό συμπεριφέρεται κάτω από ορισμένες περιβαλλοντικές συνθήκες. Οι υπολογισμοί αυτοί είναι εξαιρετικά χρήσιμοι για τους γεωπόνους και τους αγρότες και έχουν εφαρμογές σε διάφορους τομείς, όπως η γεωπονία, η βιολογία, η βοτανική και πολλοί άλλοι. Πολλές συσκευές κατασκευάζονται για το σκοπό αυτό, αλλά οι περισσότερες έχουν υπερβολικά υψηλό κόστος, χαμηλή ακρίβεια ή είναι πολύ περίπλοκες στην χρήση τους. Η παρούσα πτυχιακή εργασία προτείνει μια συσκευή με μεγάλη ακρίβεια, ευχρηστία, και χαμηλό κόστος, που υπολογίζει δείκτες βλάστησης καλλιεργειών μέσω μη καταστροφικών, ανέπαφων οπτικών μεθόδων και τεχνολογιών IoT. Οι οπτικές μέθοδοι που χρησιμοποιούμε για τον υπολογισμό των δεικτών βασίζονται στην αντανάκλαση του φωτός. Θα μετρηθεί το φως που αντανακλάται από την επιφάνεια του φύλλου. Μερικοί από τους δείκτες βλάστησης, που θα υπολογίσουμε είναι ο απλός λόγος, ο δείκτης κανονικοποιημένης διαφοράς βλάστησης (NDVI), NDVIg, NDVIb), ο δείκτης υπέρυθρης ποσοστιαίας βλάστησης (IPVI) και ο ενισχυμένος δείκτης βλάστησης (EVI). Θα αξιολογήσουμε με πειράματα την ακρίβεια της συσκευής μας. Θα χρησιμοποιήσουμε LED που εκπέμπουν σε συγκεκριμένα μήκη κύματος (465nm, 535nm, 630nm και 840nm) και θα μετρήσουμε την ανάκλαση από την επιφάνεια των φύλλων. Η σύγκριση που έγινε έπειτα από πειράματα αποκάλυψε παρόμοια απόδοση, αποδεικνύοντας ισχυρή συσχέτιση με το φασματόμετρο HR2000+ (R2 = 0,92-0,97), αποδεικνύοντας τις υψηλές δυνατότητες της συσκευής για ακριβείς μετρήσεις του φυτικού στρες. Η υλοποίηση του υλικού αποτελείται από ένα Arduino Mega, αισθητήρες, μονάδες και άλλα ηλεκτρονικά εξαρτήματα. Θα χρησιμοποιήσουμε επίσης τα πρωτόκολλα I2C και SPI για να επιτύχουμε την επικοινωνία μεταξύ του μικροελεγκτή μας και των μονάδων. Η συσκευή θα μετρά τους δείκτες βλάστησης και στη συνέχεια οι τιμές θα αποθηκεύονται σε μια εξωτερική κάρτα SD. Το λογισμικό της συσκευής υλοποιήθηκε με τη χρήση του Arduino IDE v1.8.19.
Collections
The following license files are associated with this item:
This website uses cookies to ensure you get the best browsing experience.
Continue
More info