Continuous nitrate and ammonium monitoring under different VPD conditions in hydroponic cultivation via IoT environmental control and ion sensing

集成Laravel与Android的IoT系统，实时监测温室水培小白菜的温湿度、光照和CO2。

提出物联网集成LSTM与Bi-LSTM加权集成框架，实时预测温室微气候。

集成物联网与计算机视觉的智能温室系统，实现非破坏性植物生长监测与远程管控。

提出VR-DT-IoT框架，实现虚拟温室实时同步与沉浸式控制。

提出五层情境模型管理水培IoT环境数据，结合AR应用减少数据过载。

原文标题:AI-Enabled IoT-Based Hydroponic Farming with Embedded Automation and Nutrient Prediction。作者:Jehangir Arshad、Fawad Azeem、Ayesha Butt、Maha Chaudhary、Rana Saad Safdar、M. Kamran Joyo、Izanoordina Ahmad、Prajoona Valsalan、Husham M. Ahmed(COMSATS University Islamabad等)。DOI: 10.3390/fi18090446。论文构建一个由Raspberry Pi控制、完全监测并持续评估的水培农业模拟器,采用多种传感器、数据管理与处理以及自动化环境调节。该智能水培系统采用双模型机器学习流水线:一个通过图像分析识别植物病害,另一个基于传感器数据评估植物营养水平。两个模型的数据通过云端数字孪生(DT)合并,实现远程访问并提供闭环控制,用于水培环境中的灌溉、营养剂量和所有环境因子管理。该研究展示了将物联网传感、机器学习和数字孪生模拟组合成可运行超物理系统来开发可扩展、数据驱动的精准农业解决方案的能力。