IoT- & KI-gestützte Wasserqualitätsüberwachung schützt Wasserleben

Komponenten und Zubehör

Walabot Creator	1
Raspberry Pi 3 Model B	1
Arduino UNO	1
DFRobot Trübungssensor (Turbidity)	1
DFRobot pH-Sensor	1

Apps und Online-Dienste

• Sigfox
• Arduino IDE
• Amazon Web Services AWS IoT

Über dieses Projekt

Inspiration

Wenn ich Neu-Delhi besuche, sehe ich die Yamuna-Flussbrücke. Jedes Jahr wird das Flusswasser verschmutzter, kein aquatisches Leben ist mehr sichtbar. Das Wasser, das Tausende von Dorfbewohnern nutzen, hat keine Eigenschaften von Wasser mehr – der pH-Wert ist nahe an Säure.

Es ist nicht nur die Yamuna, sondern hunderte Flüsse weltweit ohne aquatisches Leben. Immer wenn eine Industrie Chemikalien und Abfälle in den Fluss kippt, zahlt das Wasserleben den Preis.

Viele Meeresarten sterben durch Verschmutzung aus. Mit dieser Earth Day Challenge will ich das Problem lösen.

Die Lösung

Um geeignete Maßnahmen zu ergreifen, brauchen wir zuerst Daten, um zu analysieren, was im Wasser passiert.

Wir erfassen drei Hauptdaten: pH-Wert, Trübung und Anzahl.

1. pH-Wert des Wassers

Der pH-Wert ist entscheidend, da er Säuregehalt und Basizität bestimmt. Mit jeder Änderung des pH-Werts wird eine Art aquatischer Tiere beeinträchtigt.

Zur Messung nutze ich Arduino und pH-Meter-Modul.

2. Trübung des Wassers

Trübung ist die Trübung einer Flüssigkeit durch viele einzelne, für das bloose Auge unsichtbare Partikel – ähnlich wie Rauch in der Luft. Die Messung der Trübung ist ein Schlüsseltest für Wasserqualität.

Zur Messung nutze ich Arduino und Trübungsmodul.

• Arduino und pH-Meter-Modul wie im Diagramm verbinden, Analog Pin A0 nutzen.
• Arduino und Trübungsmodul wie im Diagramm verbinden, Analog Pin A1 nutzen.
• GitHub-Repo herunterladen und Code in Sensing-Earth-Sigfox-Water-Meter/Arduino/sketch.ino deployen.
• Serial Monitor öffnen und prüfen, ob Sensoren Daten liefern.

3. Anzahl aquatischer Tiere mit Walabot zählen

Walabot nutzt Radiowellen, um Objekte in der Umgebung zu erfassen. Wir nutzen es, um die thermische Strahlung lebender Wassertiere zu kartieren.

Hinweis: Aktuell nutze ich Walabot nur zum Zählen, aber mit Deep-Learning-Algorithmen werde ich die Fähigkeit hinzufügen, Arten basierend auf Rohbildern des Walabot zu klassifizieren.

• Walabot per Micro-USB an Raspberry Pi anschließen.
• Walabot SDK und WalabotAPI Python-Bibliothek via pip installieren.
• Sigfox-Shield anschließen.
• GitHub-Repo auf Raspberry Pi herunterladen: Sensing-Earth-Sigfox-Water-Meter/Pi/sigfox.py
• Anweisungen für das Shield befolgen (Link im Original).
• Sigfox-Credentials in die Datei eintragen und ausführen.

Fazit

Mit den drei Datenmodellen pH, Trübung und Anzahl aquatischer Arten in einem Gewässer können wir den Verschmutzungsgrad bestimmen. Behörden können diese Daten mit verantwortlichen Industrien teilen, die dann Maßnahmen zur Reduzierung der Verschmutzung ergreifen können. Zudem lässt sich nach Maßnahmen verfolgen, ob sich das Wasserleben erholt und welche Faktoren für das Bevölkerungswachstum verantwortlich sind.

Test

Ich habe es an meinen Süßwasserfischen getestet (die ich als Haustiere halte) und werde es nun an verschiedenen Flüssen testen und meine Lösung optimieren.

Was kommt als Nächstes?

Die Daten liegen nun in der Sigfox Cloud. Wir können AWS IoT und Sigfox Webhooks nutzen, um sie zu analysieren. Ein Tutorial dazu gibt es hier.

Das Projekt ist noch in Arbeit. Das Hauptfeature, das ich hinzufügen will: Google AutoML oder eigenen Deep-Learning-Algorithmus (je nachdem, was bessere Ergebnisse liefert), um zu bestimmen, wie viele verschiedene Arten im Gewässer vorhanden sind und in welcher Menge.

Code

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

Schaltplan