Top Banner
Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Szármes Péter doktorandusz hallgató Széchenyi István Egyetem, MMTDI Dr. Élő Gábor egyetemi docens, Széchenyi István Egyetem ITOK
26

Big Data technológiai megoldások - Networkshop 2020nws.niif.hu/ncd2014/docs/phu/117.pdf · 2014. 4. 29. · Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági

Jan 31, 2021

Download

Documents

dariahiddleston
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
  • Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Szármes Péter doktorandusz hallgató Széchenyi István Egyetem, MMTDI Dr. Élő Gábor egyetemi docens, Széchenyi István Egyetem ITOK

  • • AgroDat.hu projekt

    • Szenzoros és kérdőíves adatgyűjtés

    • Adatfeldolgozás, elemzés

    2

    Tartalom

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Magyar mezőgazdasági termelés

    • Precíziós gazdálkodás

    • Mezőgazdasági információs rendszerek

    Dátum: 2014.04.23. 3

    Mezőgazdaság

    Előadók: Szármes Péter, Dr. Élő Gábor

  • • Integrált információs rendszer: – Adatgyűjtés (szenzoros és egyéb) – Összefüggések és előrejelzések – Javaslatok (pl. öntözés, permetezés)

    • Információs tartalomszolgáltató portál – Információk összegyűjtése több forrásból – Megjelenítés a termelő szempontjai szerint

    Dátum: 2014.04.23. 4

    AgroDat projektcélok

    Előadók: Szármes Péter, Dr. Élő Gábor

  • • szakértői rendszer és IT szolgáltatás (HP) • nagymintás, valós idejű,

    mezőgazdaságot befolyásoló adatfelvétel szenzorrendszerrel (SZE)

    • szuperszámítógépes adatfeldolgozás és tárolás (SZTAKI)

    • elemző és előrejelző képességre felépített döntéstámogatás (eNET)

    5

    A projekt fő elemei

    Dátum: 2014.04.23. Előadók: Szármes Péter, Dr. Élő Gábor

  • SZENZOROS ÉS KÉRDŐÍVES ADATGYŰJTÉS

    6 Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Vízpotenciál - vízfelvétel és vízáramlás a sejtben

    • Dielektromos szenzor

    • Méréstartomány: -10 - -500 kPa (pF 2.01 to pF 3.71)

    7

    Talajszenzorok vízpotenciál

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Elektromos vezetőképesség – sótartalom (0-7 dS/m)

    • Talajnedvesség (0-50 V%)

    • Talajhőmérséklet (-40 - 50°C)

    8

    Talajszenzorok talajnedvesség, -hőmérséklet

    elektromos vezetőképesség

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Talajvízszint (0-3,5 m)

    • Öntözés (igen/nem)

    9

    Talajszenzorok vízszint, öntözés

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Fotoszintetikusan aktív sugárzás (400-700 nm) intenzitása

    10

    Környezeti szenzorok napsugárzás

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Vegetációs index (NDVI) mérése – levélterület nagyság

    • Fotokémiai visszaverődés index (PRI) – növényállapot, fotoszintézis hatékonysága

    11

    Környezeti szenzorok visszavert fényspektrum

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Relatív páratartalom (0-100 RH%)

    • Léghőmérséklet (-40°C - 80°C)

    • Gőznyomás (0-47 kPa)

    • Digitális kapacitásmérő és termisztor

    12

    Környezeti szenzorok relatív páratartalom, léghőmérséklet, gőznyomás

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Érzékeny csapadékmérő (0,2 mm felbontással)

    13

    Környezeti szenzorok csapadék

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Szélsebesség (0-30 m/s)

    • Szélirány (0-359º)

    14

    Környezeti szenzorok szélsebesség és szélirány

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Nedvesség és jégképződés kimutatása

    15

    Környezeti szenzorok levélnedvesség

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Szenzor – adatgyűjtő egység – SDI-12 szabvány

    • Adatgyűjtő egység – szerverek – Mobilkommunikáció szolgáltató hálózatán – M2M SIM kártya menedzsment

    16

    Szenzorrendszer kommunikációja

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Kiegészítő adatfelvétel helyszíni lekérdezésekkel

    • Adatfelvételi specifikáció

    • Több rövidebb kérdőív

    17

    Kérdőíves adatgyűjtés

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • ADATFELDOLGOZÁS, ELEMZÉS

    18 Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Környezeti és biológiai állapotok, folyamatok azonosítása

    • Szenzorok és eszközök kiválasztása a megfigyeléshez, adatrögzítéshez

    • Adatok feldolgozása hasznos információvá • Információ és tudás megjelenítése

    megfelelő formában (vizualizáció) • Döntési javaslatok beavatkozáshoz

    19

    Mezőgazdasági döntéstámogató rendszer

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Speciális számítógéprendszer egyedi architektúrával – Gyors adattárolás, nagy adatmennyiség – Processzor-intenzív számítások

    20

    Hardver elemek

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Speciális számítógéprendszer egyedi architektúrával – Párhuzamosított számítások, webszerver – Mikroszerverek alkalmazása

    21

    Hardver elemek

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Analitika és vizualizáció – Összefüggések feltárása különböző algoritmusokkal – Mezőgazdasági tudásbázis felépítése – Döntéstámogató rendszer (javaslatokkal) – Példák (forrás: www.fruitionsciences.com):

    22

    Szoftver elemek

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Keresőmotor – Keresés szöveges adatbázisokban

    (pl. FAO tanulmányok) – Szemantikus keresés (HP Autonomy)

    • Webportál

    – Információk megosztása (szenzoradatok, elemzések, előrejelzések, stb.)

    – Keresési lehetőségek (hírek, tanulmányok)

    23

    Szoftver elemek

    Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • • Integrált szerverállomás – energiatakarékos, időjárás-álló, skálázható

    (kommunikáció) • Big Data hardver és szoftver rendszerek

    – nagy mennyiségű, különböző típusú adatok hatékony tárolása és feldolgozása

    • Nagyszabású összefüggés-vizsgálat – a mezőgazdasági eredmények és a különböző

    környezeti paraméterek között

    Dátum: 2014.04.23. 24

    Összegzés

    Előadók: Szármes Péter, Dr. Élő Gábor

  • KÉRDÉSEK?

    25 Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

  • KÖSZÖNJÜK A FIGYELMET!

    26 Előadók: Szármes Péter, Dr. Élő Gábor Dátum: 2014.04.23.

    Slide Number 1TartalomMezőgazdaságAgroDat �projektcélokA projekt �fő elemeiSzenzoros és kérdőíves�adatgyűjtésTalajszenzorok�vízpotenciálTalajszenzorok�talajnedvesség, -hőmérséklet�elektromos vezetőképességTalajszenzorok�vízszint, öntözés Környezeti szenzorok�napsugárzás Környezeti szenzorok�visszavert fényspektrum Környezeti szenzorok�relatív páratartalom, léghőmérséklet, gőznyomás Környezeti szenzorok�csapadék Környezeti szenzorok�szélsebesség és szélirány Környezeti szenzorok�levélnedvesség Szenzorrendszer�kommunikációja Kérdőíves adatgyűjtésAdatfeldolgozás,�elemzés Mezőgazdasági�döntéstámogató rendszer Hardver elemek Hardver elemek Szoftver elemek�Szoftver elemekÖsszegzésKérdések?Köszönjük a figyelmet!