Envi.Tech. / 3o Γελ Κερατσινίου
Newclear Vision
Με αφορμή, ένα πρόβλημα που είχε ο καθηγητής μας σε παραγωγή λαχανικών παρατηρήθηκε ότι στο φύλλωμα των φυτών παρουσιάστηκαν κάποια στίγματα, τα οποία αργότερα αποδείχθηκε ότι οφειλόταν σε μία αρρώστια. Μετα από μια εκτεταμένη έρευνα καταλάβαμε ότι δεν ήταν αυτή η μόνη περίπτωση αυτού του προβλήματος και ότι άλλοι αντιμετώπιζαν αυτό το πρόβλημα. Επίσης, αντιλήφθηκαμε πως τα αίτια του προβλήματος αυτού δεν ήταν τοπικής εμβέλειας αλλά παγκόσμιας.
Επιπρόσθετα, υπάρχουν διάφοροι λόγοι που συντελούν το πρόβλημα αυτό. Αρχικά, ο πλανήτης έχει αυξημένες ανάγκες σίτισης του πληθυσμού, άρα και καλλιέργειας, η οποία όμως γίνεται με την χρήση διάφορων χημικών ουσίων που έχει αποδειχθεί ότι είναι βλαβερά για το περιβάλλον, για τα ίδια τα φυτά, τα ζώα και τους ανθρώπους. Επίσης, έχει παρατηρηθεί το γνωστό φαινόμενο του θερμοκηπίου, το οποίο οφείλεται, εν μέρει, στα αυξημένα ποσοστά του διοξειδίου του άνθρακα στην ατμόσφαιρα. Επομένως, η δυσκολία αυτή οφείλεται κυρίως στις ανθρώπινες πράξεις.
Τα προηγούμενα θα προσπαθήσουμε να τα μειώσουμε με το σύστημα μας.
Το σύστημα το οποίο προτείνουμε για την λύση των προβλήματων αυτών είναι το Newclear Vision. Το σύστημα αυτό είναι πλήρως οικολογικό, καθώς χρησιμοποιούνται μόνο πράσινοι και ανανεώσιμοι πόροι (όπως ηλιακή ακτινοβολία και βρόχινο νερό).
Αρχικά, η παροχή ρεύματος γίνεται μέσω ένος φωτοβολταϊκού πάνελ με μονοκρυσταλλικό πυρίτιο, το οποίο μετατρέπει την ηλιακή ενέργεια σε ηλεκτρική. Επιπλέον, το νερό για το πότισμα των φυτών έιναι βρόχινο και διοχετέυεται στο θερμοκήπιο άφου έχει ελεγχθεί η οξύτητα και η θερμοκρασία του. Στο θερμοκήπιο έχουν ενσωματωθεί διάφορα αισθητήρια για τον συχνό έλεγχο της υγρασίας των φυτών, του θερμοκηπίου και της θερμοκρασίας του. Σε περίπτωση, που μία μέτρηση υπερβαίνει ή είναι κάτω του μετρίου, τότε ανάλογα με το πρόβλημα το σύστημα θα αντιδράσει διαφορετικά. Για παράδειγμα, αν η θερμοκρασία είναι χαμηλή, τότε ενεργοποιείται η θερμαντική λάμπα, σε άλλες περιπτώσεις το σύστημα μπορεί να εξαεριστεί, να συμβάλει στην φωτοσύνθεση και τέλος να ποτίσει.
Στη συνέχεια, έχουμε ενσωματωσεί την χρήση της Mηχανικής όρασης και της τεχνητής νοημοσύνης, σε συνδυασμό με το Machine Learning, με το οποίο μαθαίνουμε το σύστημα να αναγνωρίζει σημάδια ασθενειών. Έτσι, μας δίνεται η δυνατότητα αναγνώρισης των άρρωστων φυλλωμάτων μέσω μιας κάμερας και ως εντούτοις πρόληψη και αποφυγή καταστροφής της σοδειάς.
Μέλη ομάδας: Κρανιδιώτης Γιώργος Α' Λυκείου, Τρελλοπούλλου Παναγιώτα Α' Λυκείου