El problema - Entender las necesidades de humedad de sus plantas y optimizar los riegos a lo largo del ciclo de vida del cultivo es difícil. Los sensores de humedad proporcionan datos porcentuales del VWC (contenido volumétrico de agua). Pero es difícil utilizar este número arbitrario para perfeccionar su plan de riego.

La hipótesis - Muchos agricultores han invertido en sensores de humedad del suelo, pero los datos proporcionados por el sistema no son fáciles de entender o utilizar para hacer cambios efectivos en el momento del riego y los volúmenes. Los agricultores necesitan una representación más sencilla de la información con un objetivo empírico para optimizar el riego en cualquier fase del cultivo.

La solución - Nos complace presentar un algoritmo basado en inteligencia artificial que calibra y normaliza automáticamente los datos en función de la capacidad máxima de retención de agua de las plantas. Esto significa que puede ver fácilmente cuándo ha regado en exceso o cuándo se está acercando a los puntos óptimos de secado. Para más información, consulte el ejemplo de resultados aquí.

El experimento - Creemos que los datos de humedad enriquecidos con IA de #moiSteer cambian las reglas del juego en la batalla por optimizar los riegos. Pero queremos saber lo que piensa. Queremos poner a prueba nuestra hipótesis antes de seguir mejorando el sistema para liberar toda la potencia del algoritmo. Esto incluiría integraciones en vivo con sensores existentes y/o el despliegue de nuestra propia red de sensores de humedad. En última instancia, converger en el riego de precisión totalmente automatizado.