AI-Enabled Precision Irrigation for Water-Efficient and Sustainable Agriculture
Priyadharshini V · Hemapriya
提出AI驱动的Arduino和树莓派灌溉系统，实现实时监测与自动灌溉，节水35%。
集成多种传感器，Arduino采集，树莓派运行AI/ML模型决策，继电器控制灌溉
系统事件识别准确率94.2%，自动检测98.6%，响应2.4秒，节水35%且维持土壤湿度。
可探索AI模型在不同作物和气候下的泛化性，以及多节点协同和能耗优化，提升系统可扩展性。
研究展示AI与低成本硬件结合的精准灌溉系统，节水35%，具实践价值，但发表于普通期刊且时效性低。
农业可用水资源的日益减少、灌溉方法的不尽完善、气候的不确定性以及不断增长的粮食需求，催生了对水资源管理问题智能化、可持续解决方案的需求。本研究提出了一种基于人工智能驱动的Arduino与Raspberry Pi灌溉系统，通过实时感知、智能决策和自动化灌溉控制，最大化农业用水效率。该系统包含土壤湿度、土壤温度、土壤相对湿度、降雨量及水位传感器，以持续监测田间状况。其中，Arduino用于连接传感器和执行器，Raspberry Pi则负责数据处理、基于人工智能的分析、监控及数据记录。采集到的传感器数据经过预处理，并利用AI/ML模型进行分析，根据土壤及环境条件计算灌溉需求。基于生成的决策，通过继电器机制自动开启或关闭水泵或灌溉阀门。实验结果表明，该方法在减少不必要灌溉及资源利用方面具有显著效果。以代表性原型测试结果为例，AI模型能够正确识别94.2%的事件，而自动化系统可检测约98.6%的事件，平均响应时间为2.4秒。与传统灌溉方法相比，用水量减少了约35%，同时仍能保持适宜的土壤湿度水平。该系统所需人工干预极少，支持实时监控，并提供适应性灌溉管理。本研究展示了将人工智能与低成本嵌入式平台相结合，以构建可扩展、节水且可持续的智慧农业解决方案的潜力。