Спасение водных организмов и борьба с загрязнением воды с помощью Интернета вещей и искусственного интеллекта

Приложения и онлайн-сервисы

	Sigfox
	IDE Arduino
	Amazon Web Services AWS IoT

Об этом проекте

Вдохновение

Каждый раз, когда я приезжаю в Нью-Дели, я натыкаюсь на мост через реку Ямуна. С каждым годом вода в реке становится все более загрязненной, и нет никаких признаков водной флоры и фауны. Вода, которой пользуются тысячи сельских жителей, не имеет свойств воды, ее pH близок к кислотному.

Это не только Ямуна, но и сотни рек по всему миру без каких-либо признаков водной флоры и фауны. Каждый раз, когда отрасль решает сбрасывать химические вещества и отходы в реку, за это платит за это водная жизнь.

Многие виды океанов вымирают из-за загрязнения.

С помощью этого испытания "День Земли" я хочу решить эту проблему.

Решение

Чтобы принять соответствующие меры против этой проблемы, нам сначала нужны данные для анализа того, что происходит внутри воды.

Здесь мы собираем три основных объекта данных: pH, мутность и количество .

1. pH воды

PH воды является очень важным фактором, так как он определяет кислотность и щелочность, и при каждом изменении значения pH некоторые виды водных животных испытывают дискомфорт.

Для измерения значения pH я использовал модуль Arduino и pH-метр .

2. Мутность воды

Мутность - это помутнение или помутнение жидкости, вызванное большим количеством отдельных частиц, которые обычно невидимы невооруженным глазом, как дым в воздухе. Измерение мутности - это ключевой критерий качества воды.

Чтобы измерить значение мутности, я использовал Arduino и модуль мутности .

• Подключите модуль Arduino и pH-метр в соответствии со схемой, используя аналоговый вывод A0 . .
• Подключите модуль Arduino и измеритель мутности в соответствии со схемой, используя аналоговый вывод A1 . .
• Загрузите репозиторий Github и разверните код в Sensing-Earth-Sigfox-Water-Meter / Arduino / sketch.ino .
• Откройте Serial Monitor и проверьте, печатают ли ваши датчики данные.

3. Подсчитайте количество водных животных с помощью Walabot

Walabot - это устройство, которое использует радиоволны для измерения объектов вокруг себя. Мы используем walabot для составления карты теплового излучения, излучаемого живыми водными животными.

Примечание - В настоящее время я использую Walabot только для подсчета, но использую Deep Learning Алгоритмы, которые я добавлю возможность классифицировать виды на основе сырых изображения валабота .

• Подключите Walabot к Raspberry Pi с помощью кабеля micro USB.
• Установите Walabot SDK и библиотеку WalabotAPI Python с помощью pip.
• Подключите свой экран Sigfox.
• Загрузите репозиторий Github на Raspberry Pi с сайта Sensing-Earth-Sigfox-Water-Meter / Pi / s igfox.py
• Следуйте инструкциям для своего щита отсюда.
• Добавьте свои учетные данные Sigfox в файл и запустите его.

Заключение

С помощью трех моделей данных pH, мутности и количества водных видов в водоеме мы можем узнать, насколько водный объект загрязнен. Власти могут передавать эти данные отраслям, которые за них несут ответственность, и они могут принимать меры по снижению загрязнения. Более того, после определенных мер мы также можем увидеть, заселяются ли водные животные или нет, и каковы факторы, которые ответственны за рост их популяции.

Тестирование

Я протестировал его на своих пресноводных рыбах, которых держу в качестве домашнего питомца, и сейчас я протестирую его на разных реках и оптимизирую свое решение.

Что дальше?

Теперь данные находятся в облаке Sigfox, и мы можем использовать AWS IoT и Sigfox Webhooks для анализа этих данных.

Вы можете следовать инструкциям здесь.

Мой проект все еще продолжается, и я хочу добавлять в него все больше и больше функций. Основная функция, которую я добавлю в будущем, - это использование Google AutoML или пользовательского алгоритма глубокого обучения . (в зависимости от того, что дает лучшие результаты), чтобы мы могли определить, сколько различных видов присутствует в водоеме и каково их количество.

Код

Github

Схема