长期以来，水培中的重金属浓度一直是人们关注的焦点。我们的目标是创建一个低成本的实时智能传感和执行系统，以控制水培溶液中的重金属浓度。我们的解决方案需要感应水培溶液中的营养物质浓度，特别是钙、硫酸盐和磷酸盐，并将其发送到应用程序上的机器学习（ML）模型。在这种情况下使用的ML算法是线性支持向量机（Linear-SVM），它是在应用特征选择方法的管道后选择的前三个养分预测器上进行训练的，即配对相关矩阵、ExtraTreesClassifier和Xgboost分类器，数据集记录自德克萨斯州东南部的三个水培农场。然后，ML算法被托管在一个云平台上，然后使用磷、钙和硫的浓度作为输入，实时输出铁、铜和锌的最大可容忍水平，并使用闭环系统中的分配和检测设备阵列进行控制。
Dhal, Sambandh & Mahanta, Shikhadri & Gumero, Jonathan & O’Sullivan, Nick & Soetan, Morayo & Louis, Julia & Gadepally, Krishna & Mahanta, Snehadri & Lusher II, John & Kalafatis, Stavros. (2023). An IoT-Based Data-Driven Real-Time Monitoring System for Control of Heavy Metals to Ensure Optimal Lettuce Growth in Hydroponic Set-Ups. Sensors. 23. 451. 10.3390/s23010451.
点此阅读完整文章： researchgate.net
