Ανάπτυξη ευφυούς δομημένου P2P συστήματος αισθητήρων για υποστήριξη εφαρμογής του διαδικτύου των πραγμάτων (IoT) σε αγροτικό περιβάλλον με τεχνολογίες υπολογιστικού νέφους (cloud computing)

• Κύριος συγγραφέας: Μπαλατσούρας, Χρήστος-Παναγιώτης
• Άλλοι συγγραφείς: Balatsouras, Christos-Panagiotis
• Γλώσσα: Greek
• Έκδοση: 2023
• Θέματα: Διαδίκτυο των Πραγμάτων (IoT); Διάχυτος υπολογισμός; Υπολογιστικό νέφος; Ασύρματα δίκτυα αισθητήρων; Τεχνολογία LoRa; Συστήματα Peer-to-Peer (P2P); Κατανεμημένοι πίνακες κατακερματισμού (DHTs); Πρωτόκολλο Chord; Συστήματα διαχείρισης μεγάλων δεδομένων; Βάσεις δεδομένων; Μηχανική μάθηση; Δένδρα απόφασης; Τεχνολογίες του Διαδικτύου; Εφαρμογές για κινητές συσκευές; Ευφυής γεωργία; Έξυπνη βιομηχανία; 4η Βιομηχανική Επανάσταση; Internet of Things (IoT); Ubiquitous computing; Cloud computing; Wireless sensor networks (WSNs); LoRa technology; Peer-to-Peer (P2P) systems; Distributed hash tables (DHTs); Chord protocol; Big data management systems; Databases; Machine learning; Decision trees; WEB technologies; Mobile applications; Smart agriculture; Smart industry; Industry 4.0

Στη σύγχρονη εποχή της 4ης Βιομηχανικής Επανάστασης, χρησιμοποιούνται νέες τεχνολογίες και διασυνδεδεμένες συσκευές για τη βελτίωση πτυχών της ανθρώπινης δραστηριότητας. Αξιοσημείωτο παράδειγμα αποτελεί η ευφυής γεωργία στην οποία ενσωματώνονται τεχνολογίες του διαδικτύου των πραγμάτων (IoT) όπως τα ασύρματα δίκτυα αισθητήρων, στην αγροτική διαδικασία για τη βελτίωση του παραγόμενου προϊόντος. Στα πλαίσια αυτής της εργασίας υλοποιήθηκε ένα οικοσύστημα εφαρμογών για υποστήριξη της ευφυούς γεωργίας σε καλλιέργειες αμπέλου και οινοποιεία. Αρχικά, σχεδιάστηκε μια προσαρμοσμένη εκδοχή του αλγορίθμου Chord από τα συστήματα peer-to-peer (P2P) με όνομα «WiCHORD», για αποδοτική διαχείριση των ασύρματων δικτύων αισθητήρων με τεχνολογία επικοινωνίας LoRa. Στη συνέχεια, υλοποιήθηκαν δίκτυα αισθητήρων για επιτήρηση του αμπελώνα και του οινοποιείου, ικανοποιώντας τις απαιτήσεις της εκάστοτε περίπτωσης. Επίσης, στο παρόν δίκτυο αισθητήρων για τον αμπελώνα μπορεί να εφαρμοστεί το τροποποιημένο πρωτόκολλο «WiCHORD». Έπειτα, οι μετρήσεις των αισθητήρων αποθηκεύτηκαν στη βάση δεδομένων της εφαρμογής που υποστηρίζεται από τεχνολογίες υπολογιστικού νέφους (Cloud Computing). Από αυτά τα δεδομένα εκπαιδεύτηκαν μοντέλα μηχανικής μάθησης (Machine Learning) για πρόβλεψη των ασθενειών στον αμπελώνα. Τέλος, υλοποιήθηκαν εφαρμογές πίνακα ελέγχου (dashboard) για υπολογιστές και κινητές συσκευές με σκοπό τη διαχείριση των δικτύων αισθητήρων, από τις οποίες ο χρήστης παρατηρεί τις καλλιέργειες αμπέλου και τη διαδικασία οινοποίησης σε πραγματικό χρόνο. Από αυτή την εργασία προκύπτουν ενθαρρυντικά αποτελέσματα ως προς την πολυπλοκότητα του αλγορίθμου WiCHORD, τη διαχείριση της ενέργειας στα δίκτυα αισθητήρων και την απόδοση των υλοποιημένων μοντέλων μηχανικής μάθησης. Οι μελλοντικές προεκτάσεις περιλαμβάνουν τη μελέτη ως προς την επεκτασιμότητα της εφαρμογής της εργασίας και τη μεταφορά του Machine Learning απευθείας στις συσκευές αισθητήρων.