Surveillance qualité de l'eau IoT et IA pour protéger la vie aquatique

Composants et fournitures

Walabot Creator	×	1
Raspberry Pi 3 Modèle B	×	1
Arduino UNO	×	1
Capteur de turbidité DFRobot	×	1
Capteur pH DFRobot	×	1

Applications et services en ligne

• Sigfox
• Arduino IDE
• Amazon Web Services AWS IoT

À propos de ce projet

Inspiration

Chaque fois que je visite New Delhi, je traverse le pont sur la Yamuna. Chaque année, l'eau de la rivière est de plus en plus polluée et il n'y a aucun signe de vie aquatique. L'eau utilisée par des milliers de villageois ne contient plus aucune propriété de l'eau, son pH est proche de celui de l'acide.

Ce n'est pas seulement la Yamuna, mais des centaines de rivières dans le monde sans vie aquatique. Chaque fois qu'une industrie décide de déverser ses produits chimiques et déchets dans la rivière, la vie aquatique en paie le prix.

De nombreuses espèces océaniques s'éteignent à cause de la pollution.

Avec ce Earth Day Challenge, je veux résoudre ce problème.

La solution

Pour prendre des mesures adaptées contre ce problème, nous avons d'abord besoin de données pour analyser ce qui se passe dans l'eau.

Nous collectons trois données majeures : pH, Turbidité et Comptage.

1. pH de l'eau

Le pH de l'eau est un facteur très important car il détermine l'acidité et la basicité, et avec chaque changement de valeur de pH, une espèce d'animaux aquatiques est incommodée.

Pour mesurer la valeur du pH, j'ai utilisé Arduino et module pH-mètre.

2. Turbidité de l'eau

La turbidité est la nébulosité ou la trouble d'un fluide causée par un grand nombre de particules individuelles généralement invisibles à l'œil nu, similaire à la fumée dans l'air. La mesure de la turbidité est un test clé de la qualité de l'eau.

Pour mesurer la valeur de turbidité, j'ai utilisé Arduino et module turbidité.

• Connectez l'Arduino et le module pH-mètre selon le schéma, utilisez la broche analogique A0.
• Connectez l'Arduino et le module turbidité selon le schéma, utilisez la broche analogique A1.
• Téléchargez le dépôt GitHub et déployez le code dans Sensing-Earth-Sigfox-Water-Meter/Arduino/sketch.ino
• Ouvrez le moniteur série et vérifiez si vos capteurs affichent des données.

3. Compter le nombre d'animaux aquatiques avec Walabot

Walabot est un appareil qui utilise les ondes radio pour mesurer les objets autour de lui. Nous utilisons Walabot pour cartographier les radiations thermiques émises par les animaux aquatiques vivants.

Note : Actuellement j'utilise Walabot juste pour compter, mais en utilisant des algorithmes d'apprentissage profond, j'ajouterai la capacité de classifier les espèces basées sur les images brutes de Walabot.

• Connectez votre Walabot au Raspberry Pi avec un câble micro USB
• Installez le SDK Walabot et la bibliothèque Python WalabotAPI via pip
• Connectez votre shield Sigfox
• Téléchargez le dépôt GitHub sur Raspberry Pi depuis Sensing-Earth-Sigfox-Water-Meter/Pi/sigfox.py
• Suivez les instructions pour votre shield depuis ici
• Ajoutez vos identifiants Sigfox au fichier et lancez-le

Conclusion

Avec les trois modèles de données pH, Turbidité et Nombre d'espèces aquatiques dans un plan d'eau, nous pouvons savoir à quel point le plan d'eau est pollué. Les autorités peuvent partager ces données avec les industries responsables et elles peuvent agir pour réduire la pollution. De plus, après certaines mesures, nous pouvons aussi voir si la vie aquatique se repeuple ou non et quels sont les facteurs responsables de leur croissance de population.

Tests

Je l'ai testé sur mes poissons d'eau douce que je garde comme animaux de compagnie et je vais maintenant le tester sur différentes rivières et optimiser ma solution.

Prochaines étapes

Maintenant que les données sont sur le cloud Sigfox, nous pouvons utiliser AWS IoT et les webhooks Sigfox pour analyser ces données.

Vous pouvez suivre le tutoriel ici.

Mon projet est encore en cours et je veux y ajouter de plus en plus de fonctionnalités. La fonctionnalité principale que j'ajouterai à l'avenir est l'utilisation de Google AutoML ou d'un algorithme d'apprentissage profond personnalisé (celui qui donne les meilleurs résultats) pour déterminer combien d'espèces différentes sont présentes dans le plan d'eau et quelle est leur quantité.

Code

GitHub

https://github.com/madhurgupta10/Sensing-Earth-Sigfox-Water-Meter

Schémas