Что вам хочется узнать или упростить в хозяйстве? Увидеть температуру в дальнем углу теплицы, вовремя открыть форточку, проверить влажность у корней? Выберите одну знакомую задачу — с неё легче начать. Ниже собраны проекты, которые ведут от первых показаний к связи, автоматике и работе с нейросетями.
Откройте подходящий материал, подготовьте детали и начните с небольшого опыта на столе. В учебных сборках удобно разобраться с устройством каждого узла, прежде чем переносить его в хозяйство.
Датчик далеко от розетки и Wi-Fi
Если показания нужны с дальнего участка, начните с пары устройств LoRa: передайте одно измерение и поймайте его на базе. Статья о солнечном питании поможет оценить расход энергии. Для наблюдения за перемещением техники есть отдельный проект передачи координат через сотовую сеть.
- LoRa-передатчик и приёмник на ESP32 и SX1278
- LoRa-шлюз на Raspberry Pi
- Солнечное питание ESP32 и аккумулятор
- GPS-трекер с SIM800L
Теплица сама подаёт признаки жизни
Можно начать с движения: нагреть датчик и посмотреть, как поворачивается привод форточки. Или собрать полив и измерить, сколько воды выдаёт помпа за один цикл. Если интереснее наблюдать, попробуйте съёмку растений; материал о фотоловушке показывает, как собирать изображения для будущей модели распознавания вредителей.
- Вентиляция теплицы на ESP32
- Автополив с учётом прогноза погоды
- ESP32-CAM: сбор фотографий для распознавания вредителей
Разбираемся, что происходит у корней
Поверхность грядки и почва на глубине могут давать разные впечатления. Два материала помогут выбрать и установить датчики, а затем разобраться, как использовать наблюдения при оценке необходимости полива. После этого будет проще выбрать условия для автоматического запуска помпы.
Пробуем нейросети на понятной задаче
Девять материалов проведут от основных понятий к запуску и обучению моделей. Выберите то, что ближе вашему хозяйству: графики датчиков, фотографии растений или вопросы языковой модели. Начальные статьи помогут разобраться в различиях, последующие — собрать отдельные работающие части программы.
- Что такое нейросеть и зачем она фермеру
- CNN, RNN и LLM: различия и задачи
- Запуск готовой модели на Raspberry Pi
- Обучение модели на фотографиях с фермы
- Модели для анализа показаний датчиков
- ESP32-CAM и модель анализа изображений
- Языковая модель как помощник агронома
- Локальная сеть датчиков и облачная языковая модель
- Мини-агенты и оркестратор на MQTT
Начните с одного результата, который можно увидеть: пришедшее показание, движение привода, график или ответ модели. Разберитесь, откуда он взялся и как меняется при повторении опыта. Затем возвращайтесь к путеводителю за следующим узлом и проверяйте их совместную работу шаг за шагом.
