Контроль питания растений — одна из важнейших задач в домашнем растениеводстве, особенно когда речь идёт о гидропонике или подобных точных системах. От значения кислотности (pH) и концентрации питательных веществ (EC) напрямую зависит здоровье растений, скорость роста и качество урожая. Регулярные ручные измерения требуют времени и внимательности, а любые промедления или ошибки могут привести к дефицитам, стрессам и снижению урожайности.
С недавних пор на помощь сити-фермерам приходят технологии, которые ещё несколько лет назад казались уделом крупных агрохолдингов: миниатюрные сенсоры, микроконтроллеры, нейросети, а теперь и большие языковые модели вроде GPT-4o.
Всё чаще энтузиасты домашнего садоводства подключают к своим установкам датчики pH и EC, используют контроллеры вроде ESP32 для сбора данных. Для последующего анализа собранной информации они обращаются к алгоритмам машинного обучения и даже к искусственному интеллекту.
Такой подход называют «алгоритмическим питанием», это технология анализа и корректировки питательного раствора на основе непрерывных измерений и рекомендаций ИИ.
В этой статье мы покажем, как это работает на практике: от подключения датчиков и запуска TinyML-модели до запроса в GPT-4o и получения совета по питанию. Вы узнаете, как выглядит такой прототип и в чём его преимущества перед классическими методами.