基于AIoT的植物缺水检测系统

为了解决灌溉水无法得到高效利用的问题，我们提出基于深度学习的植物灌溉检测系统。该项目通过深度学习的手段，对植物的干旱程度进行精准预测，对于干旱的植物进行灌溉水的精准配置，从而解决灌溉水利用效率低的问题。此外该系统可以节省部分人工成本，对植物的精准灌溉也可以帮助作物增产，提高作物质量。

本项目以RK3399PRO开发板为核心计算资源，集成摄像头和微型光谱仪构建基于深度学习的植物灌溉检测系统。本系统的构建工作可分为三个部分：

1.采集植物不同干旱程度的数据集，利用该数据及对DenseNet进行训练，调优，得到准确率最高的模型。

2.利用湿度传感对植物的状态进行检查，并根据已有的数据对植物的状态做出判断。

3.  将训练好的模型部署到RK3399PRO开发板上，对模型进行转换和推理；并通过串口通信和GPIO口的驱动，对土壤湿度、温度等传感器的数据进行分析，与视觉模型得到的分类结果对比，增强决策的科学性，提高分类准确度。

具体构成：