Het waterleven redden en watervervuiling bestrijden met IoT en AI

Over dit project

Inspiratie

Wanneer ik New Delhi bezoek, kom ik de Yamuna River Bridge tegen. Elk jaar wordt het water van de rivier meer vervuild en is er geen teken van waterleven. Het water dat door duizenden dorpelingen wordt gebruikt, heeft geen eigenschap van water, de pH ligt dicht bij die van zuur.

Het is niet alleen Yamuna, maar honderden rivieren over de hele wereld zonder enig teken van waterleven. Elke keer dat een industrie besluit haar chemicaliën en afval in de rivier te dumpen, betaalt het waterleven daarvoor de prijs.

Veel soorten oceanen sterven uit door vervuiling.

Met deze Earth Day Challenge wil ik dit probleem oplossen.

De oplossing

Om passende actie te ondernemen tegen dit probleem, hebben we eerst gegevens nodig om te analyseren wat er in het water gebeurt.

We verzamelen hier drie belangrijke gegevensobjecten pH, Troebelheid en Aantal.

1. pH van water

De pH van water is een zeer belangrijke factor, omdat het de zuurgraad en basiciteit bepaalt en bij elke verandering in pH-waarde voelt een soort waterdier zich ongemakkelijk.

Om de pH-waarde te meten heb ik Arduino en pH-metermodule gebruikt.

2. Vertroebeling van water

Troebelheid is de troebelheid of wazigheid van een vloeistof die wordt veroorzaakt door grote aantallen afzonderlijke deeltjes die over het algemeen onzichtbaar zijn voor het blote oog, vergelijkbaar met rook in de lucht. Het meten van troebelheid is een belangrijke test van de waterkwaliteit.

Om de troebelheidswaarde te meten, heb ik Arduino en troebelheidsmodule gebruikt.

• Sluit de Arduino- en pH-metermodule aan volgens het diagram, gebruik de Analog Pin A0 .
• Sluit de Arduino en troebelheidsmetermodule aan volgens het diagram, gebruik de Analog Pin A1 .
• Download de Github Repo en implementeer de code in Sensing-Earth-Sigfox-Water-Meter/Arduino/sketch.ino
• Open de seriële monitor en controleer of uw sensoren gegevens afdrukken.

3. Tel het aantal waterdieren met Walabot

Walabot is een apparaat dat radiogolven gebruikt om de objecten eromheen te meten. We gebruiken walabot om de thermische straling van levende waterdieren in kaart te brengen.

Opmerking - Momenteel gebruik ik Walabot alleen om te tellen, maar ik gebruik Deep Learning Algoritmen die ik zal toevoegen demogelijkheid om de soort te classificeren op basis van de onbewerkte afbeeldingen van walabot.

• Verbind je Walabot met Raspberry Pi met een micro-USB-kabel
• Installeer de Walabot SDK en de WalabotAPI Python-bibliotheek met pip.
• Sluit je Sigfox-schild aan.
• Download Github-repo op Raspberry Pi van Sensing-Earth-Sigfox-Water-Meter/Pi/s igfox.py
• Volg de instructies voor je schild vanaf hier op.
• Voeg uw Sigfox-referenties toe aan het bestand en voer het uit.

Conclusie

Met de drie datamodellen pH, Troebelheid en Aantal Aquatische Soorten in een waterlichaam kunnen we weten hoeveel het waterlichaam vervuild is. Autoriteiten kunnen deze gegevens delen met industrieën die er verantwoordelijk voor zijn en ze kunnen actie ondernemen om de vervuiling te verminderen. Bovendien kunnen we na bepaalde maatregelen ook zien of het waterleven bevolkt is of niet en wat de factoren zijn die verantwoordelijk zijn voor hun bevolkingsgroei.

Testen

Ik heb het getest op mijn zoetwatervissen die ik als huisdier houd en ik zal het nu testen op verschillende rivieren en mijn oplossing optimaliseren.

Wat is het volgende?

Nu de gegevens op de Sigfox Cloud staan, kunnen we AWS IoT en Sigfox Webhooks gebruiken om deze gegevens te analyseren.

Je kunt de tutorial hier volgen.

Mijn project is nog in uitvoering en ik wil er steeds meer functies aan toevoegen. De belangrijkste functie die ik in de toekomst zal toevoegen, is het gebruik van Google AutoML of Custom Deep Learning Algorithm (welke betere resultaten geeft) zodat we kunnen bepalen hoeveel verschillende soorten er in het waterlichaam aanwezig zijn en wat hun hoeveelheid is.

Schema's