Das Problem - Es ist schwierig, den Feuchtigkeitsbedarf Ihrer Pflanzen zu verstehen und die Bewässerung während des gesamten Lebenszyklus der Pflanzen zu optimieren. Feuchtigkeitssensoren liefern prozentuale VWC-Daten (volumetrischer Wassergehalt). Es ist jedoch schwierig, diese willkürliche Zahl zur Perfektionierung Ihres Bewässerungsplans zu nutzen.

Die Hypothese - Viele Landwirte haben in Bodenfeuchtesensoren investiert, aber die vom System gelieferten Daten sind nicht leicht zu verstehen oder zu nutzen, um den Bewässerungszeitpunkt und die Bewässerungsmenge effektiv zu ändern. Die Landwirte benötigen eine einfachere Darstellung der Informationen mit einem empirischen Ziel, das sie bei der Optimierung der Bewässerung in jedem Stadium der Kultur anstreben können.

Die Lösung - Wir freuen uns, einen KI-gesteuerten Algorithmus einzuführen, der die Daten automatisch auf die maximale Wasserspeicherkapazität Ihrer Pflanzen kalibriert und normalisiert. Das bedeutet, dass Sie leicht erkennen können, wann Sie zu viel bewässert haben oder wann Sie sich dem optimalen Dry-Back-Punkt nähern. Um dies näher zu erläutern, sehen Sie sich das Ausgabebeispiel hier an.

Das Experiment - Wir glauben, dass die mit KI angereicherten Feuchtigkeitsdaten von #moiSteer einen Wendepunkt im Kampf um die Optimierung der Bewässerung darstellen. Aber wir wollen wissen, was Sie denken. Wir wollen unsere Hypothese testen, bevor wir das System weiter verbessern, um die Leistungsfähigkeit des Algorithmus voll auszuschöpfen. Dazu gehört auch die Live-Integration mit vorhandenen Sensoren und/oder der Aufbau eines eigenen Feuchtesensornetzes. Letztendlich werden wir uns der vollautomatischen Präzisionsbewässerung nähern.