采用PSoC 6的人工智能智能农业：实时监控、数据驱动的洞察和自动化，以实现更高的产量和可持续性

智能农场监控系统由PSoC™6 AI驱动

农业是一场时间和资源的高风险游戏。许多农民仍然依靠直觉或延迟的观察来做出有关灌溉、天气或安全的决定。我们想要改变这一点——用一个完全自主的、人工智能驱动的智能农场监控系统。

使用PSoC™6 AI评估套件作为中枢大脑，我们构建了一个实时感知、分析和行动的系统。它为农民提供即时信息和自动控制——有或没有互联网——使智能农业成为可能，即使在偏远地区。

这是我们由PSoC™6 AI驱动的智能农场监控系统的完整原型。

我们正在解决什么问题?

农民每天都面临着挑战：

•由于灌溉效率低下而造成的水资源浪费

•环保意识差(声音/天气)

•难以跟踪温度和湿度趋势

•安全问题(牲畜入侵或移动)

我们的解决方案通过提供：

•实时监测声音、温度、湿度、水位

•智能灌溉激活和移动警报

•通过设备上的AI进行预测分析

•视觉反馈通过一个专用的外部显示器

•人工灌溉在农村地区仍然很普遍，导致水资源浪费。

我们在建造什么?

我们正在使用PSoC™6 AI套件开发智能农场监控系统，结合内部和外部传感器，基于AI的处理和节能设计。

主要特点:

•Edge AI声音监测使用PSoC™6上的内置麦克风，我们收集环境声音数据来监测动物运动，人类活动和异常事件。训练用于声音分类的ML模型，并将其部署到设备上。

外部环境传感器

•DHT11传感器：监测温度和湿度。

•水位传感器：检测灌溉水箱或土壤湿度水平。

•外部环境传感器dht11传感器：监测温度和湿度。水位传感器：检测灌溉水箱或土壤湿度水平。

•UNIHIKER外部显示器显示实时传感器数据(温度，湿度，水位，警报)，用于快速，当地农场侧可见性。

•太阳能电池SystemA太阳能电池板为电池充电，确保可持续的24/7离网运行，这对远程现场使用至关重要。

它是如何工作的

1. 传感

•内置麦克风(PSoC™6)：捕获基于音频的AI推理的环境声音数据。

•DHT11传感器：实时读取温度和湿度。

•水传感器：监测灌溉水箱或土壤水位。

•GPS，超声波传感器：可选跟踪和入侵检测。

2. Edge AI与PSoC™6

•机器学习模型训练和部署(使用DEEPCRAFT Studio)

•我们训练和部署用于声音分类的机器学习模型，以实现实时异常检测。下面是如何使用DEEPCRAFT Studio训练基于麦克风的ML模型：

逐步培训说明：

•项目SetupOpen DEEPCRAFT工作室和创建一个新的音频分类项目量身定制的PSoC™6麦克风数据。

数据收集

•连接您的PSoC™6 AI评估套件，并通过内置麦克风记录环境声音。

•捕捉不同的声音样本代表正常情况，动物运动，人类活动，和任何不寻常的事件。

•准确地标记每个录音以表示声音类别。

连接您的PSoC™6 AI评估套件，并通过内置麦克风记录环境声音。捕捉不同的声音样本代表正常情况，动物运动，人类活动，和任何不寻常的事件。准确地标记每个录音以表示声音类别。

Deepcraft工作室数据收集

数据预处理

将音频文件分割成统一的短片段(例如，1-2秒)。

DEEPCRAFT Studio将自动提取音频特征，如Mel-frequency倒谱系数(MFCCs)，这是声音分类所必需的。

数据预处理将音频文件分割成统一的短片段(例如，1-2秒)。DEEPCRAFT Studio将自动提取音频特征，如Mel-frequency倒谱系数(MFCCs)，这是声音分类所必需的。

Deepcraft Studio数据预处理

模型训练

配置训练参数，如epoch、batch大小和学习率。

在DEEPCRAFT Studio中训练模型，监控损耗和精度指标。

利用早期停止和验证数据来防止过拟合。

模型训练配置训练参数，如epoch、batch大小和学习率。在DEEPCRAFT Studio中训练模型，监控损耗和精度指标。利用早期停止和验证数据来防止过拟合。

Deepcraft工作室模型培训

模型评价

审查准确性、混淆矩阵和分类报告。

如果有必要，细化数据集或训练参数以提高性能。

模型评估审查准确性，混淆矩阵和分类报告。如果有必要，细化数据集或训练参数以提高性能。

Deepcraft Studio模型评估

模型出口

一旦满意，以与ModusToolbox™兼容的格式导出训练好的模型以进行部署。

模型导出一旦满意，以与ModusToolbox™兼容的格式导出训练好的模型以供部署。

固件集成与部署

使用ModusToolbox™将该模型与PSoC™6固件集成。

实现实时音频分类逻辑，根据声音模式触发灌溉或警报。

将固件闪存到您的设备，并在实际农场条件下验证性能。

固件集成与部署使用ModusToolbox™将模型与PSoC™6固件集成。实现实时音频分类逻辑，根据声音模式触发灌溉或警报。将固件闪存到您的设备，并在实际农场条件下验证性能。

3. 自动化+警报

如果土壤干燥，启动水泵。

发送蓝牙/WiFi提醒到农民的手机。

在UNIHIKER显示器上显示读数和系统状态。

4. 远程监控

传感器数据记录和可视化的移动应用程序(内置在Flutter)。

农民获得实时状态更新和系统建议。

硬件使用

•PSoC™6 AI评估套件-中央处理器+内置AI麦克风

•DHT11传感器-温湿度

•水传感器-湿度/水位检测

•UNIHIKER -外部液晶显示实时数据

•太阳能电池板+电池组-能源自给自足

•蓝牙/WiFi模块-无线数据和警报

软件工具

•DEEPCRAFT Studio -用于声音分类的AI模型训练

•模块工具箱-传感器编程+嵌入式开发

•FreeRTOS - PSoC™6的高效任务管理

•扑动-移动应用程序界面的农民

•Python(在UNIHIKER上)-显示集成和UI

AI和ML的使用

•基于声音的环境监测：从PSoC™6麦克风收集和标记声音数据，以检测降雨，牲畜运动或入侵等模式。

•模型训练和推理：在DEEPCRAFT Studio中训练的模型针对边缘人工智能进行了优化和部署，实现了实时音频事件识别。

•自动化触发器：机器学习输出直接控制灌溉和警报机制的智能决策。

可持续设计

•太阳能电池板+高效电源管理

•低功耗PSoC™6操作

•备用电池用于夜间/低光照条件

结果与益处

•准确的声音分类，用于农场监测

•实时温湿度记录

•用于灌溉优化的水位检测

•即时警报和本地显示反馈

•所有处理都在本地完成(没有云，没有延迟)

•完全离网和可持续发展

下一个步骤

•扩展AI以包括天气模式预测

•增加LoRa或GSM模块，实现远程通信

•整合土壤养分传感器，更深入地了解作物

•为高级仪表板添加云同步选项

结论

这个项目将人工智能带到最需要它的农业领域。通过结合低功耗边缘处理、机器学习和太阳能自主供电，我们建立了一个系统，为农民提供数字助理的眼睛和耳朵——帮助他们更智能地种植，减少浪费，保护他们的生计。

本文编译自hackster.io