IoT & AI-gestuurde Waterkwaliteitsmonitoring Beschermt Aquatisch Leven

Onderdelen en benodigdheden

Apps en online diensten

• Sigfox
• Arduino IDE
• Amazon Web Services AWS IoT

Over dit project

Inspiratie

Wanneer ik New Delhi bezoek, kom ik de Yamuna-rivierbrug tegen. Elk jaar wordt het rivierwater meer vervuild en er is geen teken van aquatisch leven. Het water dat door duizenden dorpelingen gebruikt wordt, bezit geen eigenschap van water meer, de pH is bijna zo laag als die van zuur.

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

Veel zeesoorten dreigen uit te sterven 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 data nodig om te analyseren wat er in het water gebeurt.

We verzamelen hier drie belangrijke data-objecten: 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 met elke verandering in pH-waarde een soort aquatische dieren in ongemak wordt gebracht.

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

2. Troebelheid van Water

Troebelheid is de wazigheid van een vloeistof veroorzaakt door grote aantallen individuele deeltjes die doorgaans onzichtbaar zijn voor het blote oog, vergelijkbaar met rook in de lucht. De meting van troebelheid is een sleuteltest voor waterkwaliteit.

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

• Verbind de Arduino en pH-meter module volgens het schema, gebruik Analoge Pin A0.
• Verbind de Arduino en Troebelheidsmeter module volgens het schema, gebruik Analoge Pin A1.
• Download de Github Repo en deploy de code in Sensing-Earth-Sigfox-Water-Meter/Arduino/sketch.ino
• Open de Seriële Monitor en check of je sensoren data printen.

3. Het Aantal Aquatische Dieren Tellen met Walabot

Walabot is een apparaat dat radiogolven gebruikt om objecten om hem heen te meten. We gebruiken Walabot om de thermische straling die levende aquatische dieren uitzenden in kaart te brengen.

Let op - Op dit moment gebruik ik Walabot alleen om te tellen, maar met Deep Learning Algoritmes zal ik de mogelijkheid toevoegen om soorten te classificeren op basis van de ruwe afbeeldingen van Walabot.

• Verbind je Walabot met de Raspberry Pi via een micro-USB-kabel
• Installeer de Walabot SDK en de WalabotAPI Python-bibliotheek via pip
• Verbind je Sigfox-shield
• Download Github repo op Raspberry Pi vanuit Sensing-Earth-Sigfox-Water-Meter/Pi/sigfox.py
• Volg instructies voor je shield vanaf hier
• Voeg je Sigfox-gegevens toe aan het bestand en run het

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 data delen met industrieën die ervoor verantwoordelijk zijn en ze kunnen actie ondernemen om vervuiling te verminderen. Bovendien, na bepaalde maatregelen, kunnen we ook zien of het aquatische leven zich herstelt of niet en welke factoren verantwoordelijk zijn voor hun groei.

Testen

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

Wat is de volgende stap?

Nu de data in de Sigfox Cloud zit, kunnen we AWS IoT en Sigfox Webhooks gebruiken om deze data te analyseren.

Je kunt de tutorial hier volgen.

Mijn project is nog in uitvoering en ik wil er steeds meer features aan toevoegen. De primaire feature die ik in de toekomst toevoeg is het gebruik van Google AutoML of een Custom Deep Learning Algoritme (wat ook de beste resultaten geeft) zodat we kunnen bepalen hoeveel verschillende soorten in het waterlichaam aanwezig zijn en wat hun hoeveelheid is.

Code

Github

https://github.com/madhurgupta10/Sensing-Earth-Sigfox-Water-Meter

Schema's