Intelligentes urbanes Pflanzenbewässerungssystem: Sensorgesteuerte Automatisierung

Komponenten und Materialien

Komponente	Anzahl	Hinweise
Bodenfeuchtesensor (analog)	2	Optional; zwei Elektroden mit Spannungsteiler möglich
Regensensor	1	Mit Auswerterplatine
Milchkarton (1 l)	1	Als Wassertank; erhöht montiert
Flexibler Kunststoffschlauch	1	Ca. 20–30 cm; z. B. ausgeschnittenes Springseil
Jumper-Kabel	ca. 37	Verschiedene Längen
SparkFun Inventor's Kit für Arduino 101	1	Enthält Arduino 101, Servo, Breadboard, Potentiometer, LCD
Modelliermasse / Heißkleber	1	Zur Abdichtung des Schlauchs im Tank
Kunststoffstab (kurz)	1	Als Stütze für den Auslaufschlauch
Widerstand 330 Ω	1	Für LCD-Hintergrundbeleuchtung

Benötigte Werkzeuge

• Schere
• Kreuzschlitzschraubendreher
• Isolierband & normales Klebeband

Software & Online-Dienste

• Arduino IDE
• Nordic Semiconductor nRF Connect SDK (für BLE-Konfiguration)

Projektbeschreibung

Dieses Gerät optimiert die Pflanzenbewässerung in städtischen Umgebungen. Ein Arduino 101 (mit Intel Curie) nutzt Onboard-Sensoren und externe Module, um den idealen Bewässerungszeitpunkt basierend auf Temperatur, Regen und Bodenfeuchte zu berechnen und die Pflanze automatisch zu gießen.

Kernkonzepte

Schwerkraft & Druck

Der Wassertank (Milchkarton) wird erhöht positioniert und fängt Regenwasser auf. Ein Servo verschließt den Auslaufschlauch am Tankboden. In Ruhestellung blockiert der Servoarm (0°) den Durchfluss; zum Gießen schwenkt er um 135° nach unten. Schwerkraft und Wasserdruck sorgen für gleichmäßigen Fluss.

TMP36 Temperatursensor & Intel Curie Pattern Matching Engine (PME)

Der TMP36 liefert ein analoges Spannungssignal proportional zur Temperatur. Das System misst 30-mal pro Stunde (alle 2 Min.) und bildet den Mittelwert von 29 Messungen (die erste wird verworfen). Die PME – ein 128-Neuronen-Klassifikator auf dem Curie-Chip – lernt die täglichen Temperaturprofile und klassifiziert den dem Optimum (25 °C) nächstgelegenen Zeitpunkt. Dieser wird als Bewässerungsstunde für den Folgetag gespeichert. Fehlt eine Klassifikation, fallen monatliche Standardwerte (z. B. 12 Uhr im Winter, 16 Uhr im Sommer) zurück.

Echtzeituhr (RTC) & Bluetooth Low Energy (BLE)

Die Onboard-RTC steuert alle zeitabhängigen Aktionen. Da sie beim Start manuell gesetzt werden muss, erfolgt die initiale Zeitkonfiguration per BLE: Ein Smartphone mit der nRF Connect App fungiert als Central, der Arduino 101 als Peripheral. Über vier Characteristic-Writes werden Stunde, Minute, Tag und Monat (jeweils hex-kodiert) übertragen.

Aufbau – Schritt für Schritt

1. Schaltung aufbauen gemäß Fritzing-Diagramm. Bodenfeuchtesensoren sind optional; Regen- und Servokabel evtl. verlängern.
2. Stromversorgung: Entweder 2× 4×AA-NiMH-Akkus in Serie (ca. 9,6 V) mit Ein-/Ausschalter oder USB-Kabel.
3. Akkugehäuse zusammenkleben, abnehmbaren Deckel für einfachen Wechsel konstruieren.
4. Elektronik in Korb montieren, Schlitze für USB und Sensorleitungen aussägen.
5. Wassertank vorbereiten: Milchkarton oben öffnen, unten Loch für Schlauch bohren, Schlauch einsetzen, mit Modelliermasse abdichten.
6. Servo am Tank befestigen (so tief wie möglich), Schlauchmitte und Stützstab am Servoarm fixieren.
7. Tank auf erhöhter Fläche sichern (Tisch, Bank).
8. Pflanze positionieren unter dem Auslauf, optionale Feuchtesensoren in Erde stecken, Regensensor in Bodennähe legen.

Programmierung & Betrieb

Code über Arduino IDE (Curie Core ≥ 2.0.2) hochladen. Beim ersten Start wartet das Gerät auf BLE-Verbindung und Zeiteingabe über nRF Connect. Nach Trennen der BLE-Verbindung wartet das System auf 08:00 Uhr. Fehlen Daten im Flash-Speicher, startet der 14-stündige Lernzyklus (08:00–21:00). Danach wird die optimale Stunde klassifiziert, im Flash gespeichert und die Pflanze zu dieser Zeit gegossen – sofern nicht regnet oder der Boden feucht genug ist. Täglich wird neu gelernt; bei Stromausfall bleibt die letzte Flash-Konfiguration erhalten.

Code (Auszug)

Der vollständige Sketch (DigitalClockAlarmV7.ino) umfasst:

• Bibliotheken: CuriePME.h, CurieBLE.h, CurieTime.h, SerialFlash.h, SPI.h, LiquidCrystal.h, Servo.h, dht.h
• EEPROM-Adressen für Alarmzeit, Geburtsdatum, aktuelle Anzeigeart
• BLE-Service 19B10000-E8F2-537E-4F6C-D104768A1214 mit Characteristic 19B10001-…
• Lernphase in setup(): 30 Samples/Stunde, Mittelwertbildung, CuriePME.learn() pro Stunde (Kategorie = Stunde)
• loop(): Klassifikation von 25 °C via CuriePME.classify(), Fallback auf Monatskonstanten, Bewässerung per Servo (135° für 7 s), danach CuriePME.forget() und Neulernen
• DHT21-Abfrage alle 6 s für Thermo-/Hygro-Anzeige

// Wichtige Code-Fragmente
void commitSample(int category, uint8_t value) {
  uint8_t vector[1] = {value};
  CuriePME.learn(vector, 1, category);
}

void saveNetworkKnowledge() {
  // Speichert PME-Wissen in Onboard-Serial-Flash (Datei "NeurData.dat")
}

void restoreNetworkKnowledge() {
  // Lädt beim Neustart aus Flash
}

Schaltplan & Gehäuse

3D-Druckdateien für das Gehäuse sowie Eagle-Dateien für eine optionale PCB sind im Projekt enthalten.

Weiterführende Ideen

• Einbindung von Bodenfeuchtesensoren (Schwellenwert anpassbar)
• Solarpanel + Laderegler für autarke Stromversorgung
• Datenaustausch per MQTT/LoRa für Fernüberwachung
• Mehrere Bewässerungszonen über Relais/Transistoren