Autonome Klimaüberwachung, KI-gestützte Ertragsoptimierung und nachhaltige Ressourcennutzung – das SmartGrow Lab entwickelt die Zukunft des kontrollierten Pflanzenbaus.
Mehr erfahren
Das SmartGrow Lab untersucht den Einsatz verteilter Sensornetzwerke zur Echtzeit-Überwachung von Temperatur, Luftfeuchtigkeit, CO₂-Konzentration und Bodenfeuchte in kommerziellen Gewächshäusern.
Durch den Einsatz von Machine-Learning-Algorithmen können Wachstumsbedingungen prädiktiv angepasst werden – mit bis zu 34 % reduziertem Wasserverbrauch und signifikant gesteigerter Ernte-Qualität in Pilotbetrieben.
Alle Sensorknoten basieren auf dem ESP32-Mikrocontroller. Die Datenerfassung und -übertragung erfolgt über MQTT, die Speicherung in einer InfluxDB-Zeitreihendatenbank. Visualisierung und Alerts laufen über ein angepasstes Grafana-Dashboard.
Der gesamte Quellcode ist öffentlich zugänglich. Wir glauben an transparente Wissenschaft und nachnutzbare Forschungsinfrastruktur.
Verteilte ESP32-Knoten messen kontinuierlich Temperatur, Luftfeuchtigkeit, CO₂, Lichtintensität und Bodenfeuchte im 30-Sekunden-Takt.
Ein lokal laufendes TensorFlow-Lite-Modell erkennt Anomalien und schlägt Anpassungen vor – ohne Abhängigkeit von Cloud-Diensten.
Basierend auf den KI-Empfehlungen steuert das System Bewässerung, Belüftung und Beschattung automatisch – mit manuellem Override jederzeit möglich.
Brenner, L. · IEEE Sensors Journal · DOI: 10.1109/JSEN.2023.XXXXXXX
Brenner, L.; Hoffmann, T. · Computers and Electronics in Agriculture
Brenner, L. · Workshop on Sustainable Computing, Melbourne, AU