Kindbot：家庭花園自動化中心開源

描述

查看Remyx.ai的新功能

Kindbot的黎明

2018 年初，我們開始開發(fā)一種植物監(jiān)測器，以探索加州本土種植的大麻。大麻花的平均價值為320 盎司，在理想的生長條件下需要幾個月的時間才能長成。

通常，家庭種植愛好者會搭建小空間或帳篷，在那里他們可以懸掛 HID/LED 燈、用于通風(fēng)的風(fēng)扇、用于溫度控制的空調(diào)和用于水培的灌溉泵。

種植者通常依靠計時器來協(xié)調(diào)所有這些設(shè)備的調(diào)度，而過熱往往是維持有助于花卉茁壯成長的穩(wěn)定性的挑戰(zhàn)。

除了這些設(shè)備之外，種植優(yōu)質(zhì)農(nóng)產(chǎn)品還需要一些生物學(xué)和植物科學(xué)領(lǐng)域的知識。論壇和昂貴的應(yīng)用程序有助于填補(bǔ)知識空白，但建議很少是按需提供的，而且由于顧問對問題的描述方式存在偏見或提供建議的人的經(jīng)驗，這些建議往往是錯誤的。

環(huán)境控制器技術(shù)面向定價和用戶體驗假設(shè)方面的商業(yè)應(yīng)用。

在 Kindbot 中，我們開發(fā)了一個系統(tǒng)來維持理想的生長條件，該系統(tǒng)利用環(huán)境控制和植物健康診斷中的深度學(xué)習(xí)。

為了使 Kindbot 成為功能最強(qiáng)大且易于使用的環(huán)境控制器，我們使用簡單的硬件設(shè)計并通過 picamera 促進(jìn)計算機(jī)視覺。

最終，我們擁有理想的平臺來支持：

• 保持穩(wěn)定、最佳的環(huán)境控制
• 通過移動應(yīng)用程序遠(yuǎn)程訪問照片和儀表板
• 豐富的數(shù)據(jù)記錄和智能通知

構(gòu)建 Kindbot

我們從緊湊而靈活的 Raspberry Pi Zero 微控制器開始，探索了一系列大氣傳感器，包括DHT11 、Si7021 、BME280 ，然后才選擇后者。

至少，我們需要溫度和濕度讀數(shù)。根據(jù)這些值，我們求助于 Arrhenius 方程來計算蒸氣壓虧缺(VPD)。該統(tǒng)計數(shù)據(jù)提供了一個參考框架，根據(jù)驅(qū)動植物光合作用的物理壓力將溫度和濕度背景化。

根據(jù)這一統(tǒng)計數(shù)據(jù)，我們可以針對不同的范圍以最佳方式支持自然生長周期。

通過使用sqlite3記錄我們的傳感器數(shù)據(jù)，我們發(fā)現(xiàn)一些零星的讀數(shù)異常異常。對于一個健壯的控制器，我們需要意識到這種錯誤。

由于我們的目標(biāo)是保持穩(wěn)定的生長條件，因此我們采用了一個簡單的“時間上的溫度連續(xù)性”假設(shè)。簡而言之，我們忽略在短時間內(nèi)偏差太大的讀數(shù)。

一旦我們可以信任并記錄我們的讀數(shù)，我們就可以啟動一個slackbot來報告當(dāng)前狀況，當(dāng)狀況超出目標(biāo)范圍時使用twilio發(fā)送短信通知，或通過電子郵件發(fā)送報告以獲得概覽以檢查任何指示問題的異常情況.

在設(shè)計 Kindbot 時，我們測試了 YL-69 傳感器來探測土壤濕度，并測試了TSL-2561來測量光強(qiáng)度，然后更多地使用相機(jī)來簡化設(shè)備配置文件。

在我們努力控制最重要的環(huán)境參數(shù)的過程中，我們甚至開發(fā)了一個姊妹設(shè)備 Budtender，用于執(zhí)行 pH 控制和營養(yǎng)素自動計量。

在強(qiáng)調(diào)現(xiàn)代消費電子美學(xué)優(yōu)于傳統(tǒng)環(huán)境控制器設(shè)備的同時，我們探索了與智能家居設(shè)備的集成。我們已經(jīng)嘗試使用 VUI 運行帶有 Alexa Smart Home Skills 和flask-assistant Google Home Assistant Actions的flask-ask服務(wù)器。

最終，我們的目標(biāo)是實現(xiàn)一個非常簡單的設(shè)計，并在 iOS 和 android 中采用我們的 UI mobile。

Kindbot酷

最后，我們想要的不僅僅是日志記錄和通知，我們還想要控制。一個簡單的想法是定期檢查最新的溫度讀數(shù)，并根據(jù)溫度是否超過預(yù)定閾值應(yīng)用簡單的“開-關(guān)”決策。在我們在 N 分鐘后重新評估之前，該決定將告知我們的 AC 是否正在運行下一個周期。然而，這通常會導(dǎo)致不希望的溫度波動。

標(biāo)準(zhǔn)方法是使用PID控制。這里是對用于調(diào)整 PID 模型的啟發(fā)式方法的一個很好的概述。通過一些試驗和錯誤，我們可以在 74 F 的設(shè)定點附近實現(xiàn)合理的穩(wěn)定性，而不會在每天早上開燈時出現(xiàn)過多的超調(diào)。

我們還通過將我們的溫度控制問題重新定義為強(qiáng)化學(xué)習(xí)范式中的游戲來探索深度學(xué)習(xí)的應(yīng)用。

例如，假設(shè)將代理置于一個環(huán)境中，在該環(huán)境中允許的操作是在下一個 N 分鐘周期內(nèi)打開或關(guān)閉空調(diào)。在每個周期開始時，我們都會評估我們的狀態(tài)，其中還可能包括溫度、濕度和任何其他重要的、最近的環(huán)境統(tǒng)計數(shù)據(jù)。

然后，如果我們達(dá)到目標(biāo)，在一個小的公差范圍內(nèi)加上或減去設(shè)定點，我們的代理就會得到獎勵。另一方面，如果溫度超出可接受的公差范圍，我們的智能體就會受到與這種差異程度成正比的懲罰。

像上面這樣的代理可以在線方式學(xué)習(xí)策略函數(shù)，以使用REINFORCE算法（即策略梯度）來專門化環(huán)境控制。

Kindbot 通過控制溫度及其變化來幫助減少能源使用、控制過熱和促進(jìn)新陳代謝。

Kindbot，喂我！

控制灌溉通常要簡單得多，而且是基于時間表的。一些研究可以根據(jù)灌溉設(shè)計（無論是水培、氣培還是土壤）來決定澆水頻率。對于 Kindbot，它總是歸結(jié)為知道要控制哪個智能插頭以及運行它的時間/頻率。

我們使用pyHS100 repo 來控制灌溉泵、燈和風(fēng)扇等設(shè)備。您甚至可以使用 TP-Link HS110 智能插頭查詢能源使用情況。

在另一種一年生木本植物：一品紅中，研究表明，使用動態(tài)灌溉控制（灌溉頻率與當(dāng)前 VPD 測量值成正比）可以更好地促進(jìn)插條的根系發(fā)育。

我們可以將一系列 VPD 值轉(zhuǎn)換為一系列噴霧頻率，以便我們更頻繁地灌溉以提供額外的冷卻，并使用植物的自然水力來驅(qū)動氣培或滴灌系統(tǒng)中的養(yǎng)分吸收。

Kindbot Cannavision

由于人們自豪地分享他們大麻種植的照片，我們有大量的開源數(shù)據(jù)來探索基于計算機(jī)視覺的技術(shù)，從我們種植空間的圖像中提取有價值的信息。

我們從可以通過簡單的谷歌圖片搜索收集到的信息開始，利用非常方便的 firefox插件。我們可以通過改進(jìn)我們的搜索查詢、嘗試其他搜索引擎和反向圖像搜索良好的原型圖像來擴(kuò)展我們的結(jié)果集。

通過這種方式，我們收集了數(shù)千張照片并使用labelimg對每張照片進(jìn)行注釋以識別重要的植物結(jié)構(gòu)。這有助于我們通過識別芽結(jié)構(gòu)來探索產(chǎn)量或收獲時間估計，或通知種植者植被變黃，這可能意味著需要人工接觸的營養(yǎng)/pH 問題，甚至可以識別表明水壓低的柔軟、下垂的葉子，以便Kindbot 可以觸發(fā)灌溉事件。

正如我們記錄溫度讀數(shù)一樣，我們也記錄計算機(jī)視覺模型結(jié)果，這有助于我們平均掉圖像之間的噪聲，以獲得更強(qiáng)大的警報系統(tǒng)。

另一個簡單的想法是對 HSV 顏色空間中的圖像進(jìn)行閾值處理，以便我們可以測量 picamera 視野中綠色像素的比例。以下代碼塊可用于通過葉面積指數(shù)量化營養(yǎng)質(zhì)量的發(fā)展。

img = cv2.imread('YOUR_IMG_FILE.png', 1)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv, (36, 0, 0), (70, 255,255))
imask = mask>0
green = np.zeros_like(img, np.uint8)
green[imask] = img[imask]
green = np.where(green > 0, 1, 0)
lai = np.mean(green)

選擇 Kindbot 拍攝的幾張照片，我們設(shè)置閾值以隔離足夠的綠色像素。

計算這些圖像中綠色像素的比例（我們假設(shè)是植被），我們得到葉面積指數(shù)。

下圖顯示了我們計算的葉面積如何隨著時間的推移而變化，如上圖所示。在 Kindbot 幫助維持的一致條件下，我們觀察到爆炸式增長。

Kindbot 將此信息應(yīng)用于：

• 提供相機(jī)定位反饋
• 跟蹤每周的相對增長
• 改變光照時間表以在充足的蔬菜后觸發(fā)結(jié)果
• 通知用戶停電

Kindbot 一般

生長環(huán)境中的照明條件可能因設(shè)置而異。看看“LED 生長燈”的圖片搜索結(jié)果：

我們計算葉面積指數(shù)需要在 HSV 顏色空間中對圖像進(jìn)行閾值處理。然而，不自然的光溫會極大地影響這種測量。

我們探索了 GAN 來學(xué)習(xí)圖像變換以執(zhí)行顏色校正：

因為我們最初的物體檢測模型依賴于數(shù)以千計的樣本物體來舉例說明許多常見的生長室配置，所以該模型對色溫差異仍然非常穩(wěn)健。

盡管如此，我們并沒有就此停止收集數(shù)據(jù)。從 ImageNet 及其大麻圖像鏈接開始，我們在網(wǎng)上抓取了更多圖像。此外，我們開發(fā)了一個名為Buddy的專門分類器來診斷由于環(huán)境、害蟲和養(yǎng)分/水壓力因素的視覺指標(biāo)引起的問題。

python request 和 lxml 庫等工具在這里提供幫助。熟悉 xpath 將使它變得容易。Scrapy讓事情更上一層樓，如果你真的想建立你的數(shù)據(jù)集，請查看這篇關(guān)于在 polipo 后面整合 SOCK5 代理的帖子。

Kindbot 外殼

Kindbot 從一臺計算機(jī)和一組環(huán)境傳感器開始，然后我們積極淘汰那些計算機(jī)視覺為其提供代理信息的傳感器。

當(dāng)我們壓縮設(shè)備時，我們測試了幾種設(shè)計和材料。同樣，我們探索了 Kindbot 的不同表面處理技術(shù)，使用木材染色、聚丙烯、打磨和拋光 PLA 材料以及用于 ABS 的丙酮蒸氣浴。

最初的設(shè)計使用了光滑的球窩旋轉(zhuǎn)附件。

最近，我們放棄了球窩接頭以獲得更纖薄的外形，同時使用標(biāo)準(zhǔn)相機(jī)安裝硬件，以便用戶可以利用現(xiàn)成的配件。

Kindbot 包裝理念...

Kindbot超越

每個種植者至少應(yīng)該監(jiān)測溫度和濕度。許多人會選擇在他們的室內(nèi)花園中安裝網(wǎng)絡(luò)攝像頭，以實現(xiàn)遠(yuǎn)程監(jiān)控和安全。園丁們通常依靠機(jī)械定時器來對他們的灌溉系統(tǒng)進(jìn)行編程。

Kindbot 將所有這些重要功能集成到一個裝有 AI 的微型設(shè)備中，以從圖像提要中提取有價值的見解，以根據(jù)可靠的園藝科學(xué)執(zhí)行操作。

計算機(jī)視覺應(yīng)用程序已經(jīng)進(jìn)入農(nóng)業(yè)科技領(lǐng)域，盡管早期的工作依賴于對對象的大小和形狀相當(dāng)敏感的簡單方法。應(yīng)用機(jī)器學(xué)習(xí)來更穩(wěn)健地識別植物脅迫表型是一項相對現(xiàn)代的工作。一些研究使用深度學(xué)習(xí)來識別具有編碼器-解碼器神經(jīng)網(wǎng)絡(luò)架構(gòu)的植物結(jié)構(gòu)。有些使用經(jīng)典機(jī)器學(xué)習(xí)。其他人則使用 3D 激光掃描儀作為工業(yè)機(jī)械臂的有效載荷來獲取更多數(shù)據(jù)。

通過訓(xùn)練圖像分類模型來識別數(shù)十種植物毒性、缺陷和害蟲，我們構(gòu)建了一項服務(wù)，通過簡單的圖像上傳來診斷植物。

我們相信這將構(gòu)成節(jié)水智能灌溉系統(tǒng)的基礎(chǔ)。它可以在大麻種植之外有應(yīng)用，例如太空食品生產(chǎn)。

通過這個花園番茄植物示例，我們可以看到結(jié)果如何轉(zhuǎn)移到大麻種植之外。

Kindbot 灌溉控制可以通過引入帶 pH 控制的自動加藥器來改進(jìn)。這是我們稱之為 Budtender 的相關(guān)產(chǎn)品背后的使命。

Github 回購

致謝

我們要感謝：

• 加州大學(xué)伯克利分校莫菲特圖書館 Makerspace免費 3D 打印和培訓(xùn)
• 伯克利室內(nèi)花園進(jìn)行有見地的對話
• Bitraf Makerspace挪威奧斯陸的熱情好客
• 種植者網(wǎng)絡(luò)讓我們關(guān)注這項新技術(shù)

更新：2018 年 4 月 20 日在加州大學(xué)伯克利分校的 Memorial Glade舉行的派對上，我們分發(fā)了近 100 個來自我們首次收獲的有機(jī)無農(nóng)藥花蕾樣本，以推廣 Kindbot。

?