Autonomous Multi-Crop Weeding and Nutrient Management
D.C Likitha · Ganavi N · Keerthana C 等 5 人
提出一种集成AI、IoT和嵌入式系统的自主多作物除草与养分管理机器，实现精准农业。
AI图像处理识别杂草，机械切割；土壤pH和NPK传感器监测养分，精准喷洒；ESP
系统减少劳动力依赖、化学品使用，提高作物生产力，支持可持续精准农业。
可延伸研究多作物场景下杂草识别模型的泛化能力，以及基于边缘计算的实时决策优化。
提出集成AI与IoT的自主除草与养分管理机器，系统设计较完整，但缺乏实验数据验证，影响有限。
农业面临着杂草生长、劳动力短缺、化肥过量使用以及缺乏实时监测等重大挑战。本文提出了一种基于人工智能（AI）、物联网（IoT）和嵌入式系统的自主多作物除草与养分管理机器。该系统利用基于AI的图像处理进行杂草检测，并自动激活机械切割器以清除杂草。土壤pH值和氮磷钾（NPK）传感器监测养分水平，并仅在需要时实现精准养分喷洒。ESP32微控制器控制导航、传感器接口、电机运行和物联网通信。GPS、超声波和惯性测量单元（IMU）传感器实现自主导航和障碍物检测。实时数据通过Wi-Fi或蓝牙传输给农民。该系统减少了劳动力依赖，最小化化学品使用，提高作物生产力，并支持可持续的精准农业。所提出的机器旨在通过将智能杂草管理、土壤监测、养分管理和自主田间作业集成于单一系统中，提供精准农业的综合方法。基于摄像头的检测机制持续观察作物区域并识别杂草，随后激活机械除草单元进行选择性清除。同时，土壤pH值和NPK传感器提供关于土壤状况的连续信息，使系统能够确定养分需求并相应操作喷洒机制。GPS、超声波和IMU传感器的集成支持田间作业中的自主移动、障碍物检测和方向稳定性。ESP32协调各子系统，并通过Wi-Fi或蓝牙实现重要田间和机器参数的通信。这种集成操作减少了不必要的人为干预，促进了农业资源的高效利用。通过将基于AI的决策与嵌入式控制、传感、机器人技术和物联网连接相结合，该系统为减少劳动力需求、最小化投入浪费、改善作物管理以及支持可持续和数据驱动的农业实践提供了一种实用方法。 关键词——自主农业，ESP32，农业中的AI，物联网，杂草检测，精准农业，养分监测。