Authors

Abstract

In IoT hydroponics, the integration of Internet of Things (IoT) and Machine Learning (ML) has opened up great opportunities to increase the productivity and smart system’s management. With the collected data from sensors in the environment, the machine learning model would analyze and predict the trend of the environmental factors, this combination not only improves the outcome quality but also helps saving the resources. Integrating machine learning into an IoT hydroponics system could not only create a smart, autonomous and adaptable system to changing conditions of environment in real-time but also optimize resources for a cost-effective and productive hydroponic system. In this study, a novel method was presented for predicting environmental factors using Machine Learning algorithm for smart IoT hydroponic systems. By applying this method, an IoT hydroponic system can predict the trends of environmental factors which affects the plants such as temperature, moisture, pH levels…. The experiment results show that the accuracy of the predicted data is reliable, it reached 94.2% for a day and 92.6% for a week. These results could help users take proactive measures to improve the cultivation quality.

Abstract in Vietnamese

Trong hệ thống thủy canh IoT, sự tích hợp của công nghệ kết nối vạn vật (IoT) và thuật toán học máy (ML) đã mở ra nhiều cơ hội để tăng năng suất và quản lý hệ thống. IoT cho phép thu thập dữ liệu từ các cảm biến trong môi trường, trong khi thuật toán học máy cung cấp khả năng phân tích và dự đoán dựa trên dữ liệu quá khứ. Sự kết hợp này không chỉ cải thiện chất lượng kết quả mà còn giúp tiết kiệm tài nguyên. Khả năng dự đoán của thuật toán học máy giúp người nông dân quản lý hệ thống một cách hiệu quả, tiết kiệm nguyên liệu đầu vào và duy trì các điều kiện lý tưởng cho cây trồng. Bài báo này trình bày một phương pháp mới để dự đoán nhiệt độ môi trường bằng thuật toán học máy, áp dụng cho hệ thống thủy canh IoT. Phương pháp này có thể dự đoán xu hướng thay đổi của các yếu tố môi trường dựa trên dữ liệu thời tiết có sẵn của một khu vực trong quá khứ. Kết quả thí nghiệm chỉ ra rằng độ chính xác của dữ liệu dự đoán đạt 94.2% cho một ngày và 92.6% cho một tuần. Nó có thể cung cấp trước thông tin cho người dùng thông qua giao diện trang web để họ có thể thực hiện các biện pháp chủ động nhằm cải thiện năng suất của quá trình thủy canh và đảm bảo chất lượng sản phẩm.