▷ Sensor networks for agriculture based on #FPGA

⭐⭐⭐⭐⭐ Sensor networks for agriculture based on #FPGA

✅ Objectives:
  • Adquirir señales de sensores de humedad situadas en una superficie porosa, luz solar, temperatura y humedad del aire.
  • Comparar el desempeño de al menos dos redes neuronales para series temporales.
  • Medir los tiempos de procesamiento, % de CPU utilizado y % de memoria utilizada, en el procesador #NIOSII, #ARM ó ambos, según sea el caso (radar chart).
✅ Goals:
  • Implementar un Sistema Embebido basado en #FPGA que adquiera señales de sensores de humedad, temperatura, luz incidente y sea capaz de almacenar las lecturas de estos sensores en memoria Double Data Rate 3 Synchronous Dynamic Random-Access Memory (#DDR3_SDRAM), el acceso se lo realizará a través del Hard Processor System #HPS. El proceso de entrenamiento de la red neuronal para series temporales podrá ser realizado en computador convencional, luego el modelo entrenado en lenguaje C++ deberá ser ejecutado por el procesador #NIOSII en la #FPGA. El sistema deberá tener como salida un monitor VGA ó HDMI que muestre los resultados de la clasificación de forma clara. El sistema basado en FPGA es quien ejecuta los bloques de filtrado y red neuronal, pero los grupos que tengan estudiantes de telemática, no usarán la salida #VGA ó #HDMI sino deberán acceder a la interfaz visual por medio de una aplicación web desplegada en un servidor de aplicaciones web corriendo en un sistema operativo linux con procesador #ARM.
✅ Abstract:
  • La principal tarea consiste en analizar la señal que representa el comportamiento de la humedad en la superficie porosa en función de parámetros como luz incidente, humedad y temperatura del aire; es decir, la humedad del suelo en el tiempo dependerá de las condiciones del ambiente en el cual se encuentra [1]. La red neuronal para series temporales tendrá la capacidad de predecir el comportamiento de la humedad del suelo en el tiempo con solo analizar los datos de luz incidente, humedad y temperatura del aire. El presente trabajo si incluye la etapa de adquisición de datos para su posterior procesamiento con una red neuronal para predicción de series temporales (humedad del suelo). Luego de la adquisición de las señales de los sensores, se realizará un procesamiento que incluye: Caracterización y pronóstico de series temporales.
  • En la etapa de de adquisición, se realizará la comunicación entre los diferentes sensores con sus respectivos protocolos (LDR-ADC, humedad suelo -ADC, humedad y temperatura de aire - onewire) con la FPGA [1].
  • La caracterización es el proceso de extraer información relevante durante ventanas temporales determinadas por el estudiantes (se recomienda 1 segundo). Las ventanas temporales se definen en el experimento durante la adquisición de las señales de los diferentes sensores [1].
  • En el pronóstico de la serie temporal, la red neuronal (NN) utiliza las características más representativas con las que los algoritmos tengan una mejor desempeño en la predicción de las salidas. Para un adecuado desempeño, los algoritmos de NN requieren que las señales sean procesadas en una etapa previa de preprocesamiento.
✅ Reference :
✅ Hardware:
  • (1) #DE10_Standard o #DE10_Nano
  • (1) Monitor VGA / HMDI
  • (1) #LDR, (1) #DHT11 y (1) #FC_28
✅ Database:
✅ Expertos: mafercal

Comentarios

Popular Posts

▷ Especificaciones del módulo ESP32

▷ #ESP32 - REAL-TIME CLOCK #RTC INTERNO

▷ #ESP32 - SINCRONIZAR RTC INTERNO CON SERVIDOR NTP

▷ #ESP32 - Display OLED 128x64

▷ #ESP32 - Over-The-Air programming #OTA

▷ SISTEMAS EMBEBIDOS, PROYECTOS PROPUESTOS (2021 PAO1)

▷ SOLUCIÓN EVALUACIÓN FUNDAMENTOS DE ELECTRICIDAD Y SISTEMAS DIGITALES, 1er Parcial (2021 PAO1)

▷ PROTEUS PCB DESIGN

▷ SOLUCIÓN EVALUACIÓN SISTEMAS DIGITALES 1, 1er Parcial (2021 PAE)

▷ SISTEMAS EMBEBIDOS, EJERCICIOS PROPUESTOS #1, 1er PARCIAL (2020 1er Término)