利用物聯(lián)網農業(yè)擴大食品獲取
種植食物是一門相當容易理解的科學,人類已經迭代了數千年,但農業(yè)仍然 是所有主要行業(yè)中數字化程度最低的行業(yè)之一。將農業(yè)技術與物聯(lián)網 (IoT) 的普及相結合,可以改善服務欠缺社區(qū)的食物獲取,這是一個巨大的機會。
隨著物聯(lián)網在未來十年的發(fā)展,我們設想了一個世界,在這個世界中,物聯(lián)網支持的循環(huán)食品生產可以使農業(yè)技能民主化、提高效率并進行個性化以滿足社區(qū)需求。這些社區(qū)解決方案將擴大而不是取代現有的農業(yè)系統(tǒng),為最需要的人提供獲得健康食品的補充途徑。
更方便、更高效、更個性化的食品生產
民主化技能
雖然現有的個人和社區(qū)花園在食物獲取和城市發(fā)展方面發(fā)揮著重要作用,但它們的規(guī)??赡懿磺袑嶋H。自動化的物聯(lián)網系統(tǒng)可以通過為外行提供專業(yè)的農業(yè)知識來應對這一挑戰(zhàn)。想象一下公寓或商業(yè)建筑上的公共屋頂花園,那里全年都可以種植健康的農產品。然而,不是在建筑物里生活或工作的人照料莊稼,花園將由傳感器網絡、自動澆水系統(tǒng)和機器人技術管理,以完成播種、修剪和收割等任務。
專門的物聯(lián)網傳感器和完全連接的片上系統(tǒng) (SoC) 設備可以承擔測量水位、土壤營養(yǎng)以及植物成熟度和健康狀況的特定任務。由電子設備而不是人類來完成照料植物的耗時任務減少了進入的障礙,并允許更多的人參與城市農業(yè)并從中受益。
提高效率
人類越來越多地開發(fā)新的、更可持續(xù)的耕作方式,這些方式涉及更少或更好的水、光和土壤管理。到 2030 年,我們可以期望支持物聯(lián)網的設備和傳感器系統(tǒng)能夠協(xié)同工作,以測量每株植物的水分和養(yǎng)分水平,并與連接的泵和其他輸送系統(tǒng)進行通信,而機器學習將這些大量的數據和驅動輸入,以確保幾乎任何位置的理想生長條件。
社區(qū)個性化
正如總體上物聯(lián)網系統(tǒng)可以預測氣候和由此產生的作物產量一樣,它還可以根據日常習慣確定消費模式,并預測家庭和社區(qū)日程的不規(guī)則性。
機器學習可以檢測整個社區(qū)的模式并預測食物供應需求,以便為需求最高的產品分配空間,并在社區(qū)內有效地分發(fā)可用的產品。
應對風險領域
實施如此復雜、相互關聯(lián)的解決方案不僅需要了解人類需求和技術限制,還需要了解更廣泛的經濟和社會影響。
隱私
任何依賴大量數據收集來推動機器學習模型的系統(tǒng)都需要加強防止濫用數據,并對誰保留對數據的控制有清晰的認識。對于某些社區(qū)而言,隱私問題也可能比其他社區(qū)更為重要。對政府和中央組織機構缺乏信任可能是采用這樣一種系統(tǒng)的障礙,該系統(tǒng)假設人們愿意讓像食物這樣私人的東西由隱形管理的機器人處理。
行為改變
僅獲得更健康的食物并不能確保人們會使用它們。我們吃什么是一個非常個人的決定,具有社會、文化和教育影響。提供健康的農產品只是幫助人們建立新的、可持續(xù)的飲食習慣的系統(tǒng)性變革的一個方面。作為設計師,在考慮使用此類系統(tǒng),提升他們的需求和生活經驗并確保我們?yōu)樗麄兌皇菫樗麄冊O計時,與使用社區(qū)互動至關重要。
物聯(lián)網可提供更多食物獲取
雖然創(chuàng)建影響糧食系統(tǒng)等重要事物的基礎設施存在重大挑戰(zhàn),但物聯(lián)網代表了解決某些糧食生產和分配效率低下的獨特機會,并借此解決糧食獲取方面的不平等問題。
掃一掃,關注我們