محاسبات لبه یا Edge Computing به دستگاه‌های اینترنت اشیا اجازه می‌دهد داده‌های تولیدشده خود را به‌جای فرستادن در مسیرهای طولانی مراکز داده یا سرورهای ابری، به نزدیک‌ترین مرکز داده ارسال کنند. در حال حاضر محاسبات لبه تبدیل به یک‌روند اصلی اینترنت اشیا در کشاورزی هوشمند شده است و به‌عنوان نمونه می‌توان به‌سرعت و بهره‌وری بالاتر در مقایسه با محاسبات ابری (Cloud Computing) اشاره کرد.
در این مقاله، ما برخی از موارد استفاده از محاسبات لبه اینترنت اشیا در کشاورزی هوشمند را بررسی خواهیم کرد.
اما ابتدا اجازه دهید در مورد چالش‌های اصلی محاسبات ابری در اینترنت اشیا برای کشاورزی هوشمند و راه‌کارهای محاسبات لبه برای آن بپردازیم.
چالش‌های محاسبات ابری و چگونگی رفع آن توسط محاسبات لبه
درحالی‌که مزایای استفاده از اینترنت اشیا در کشاورزی (و همچنین در هر صنعت دیگر) فراوان است، اما فن‌آوری های هوشمند هنوز می‌تواند چالش‌های خاصی داشته باشد، بخصوص که به محاسبات ابری متکی باشد.
در اینجا ۳ چالش بزرگ محاسبات لبه یا Edge Computing در کشاورزی هوشمند و مزرعه هوشمند (و همچنین ۳ روش فن آوری محاسبات لبه برای کمک به حل آنها) :
- امنیت
مشکل : هنگامی که داده ها بین دستگاه در محل و سرور ابری منتقل می شود، احتمال وقوع نقض بسیار زیاد است. به علاوه، هر دستگاه یا سنسور در شبکه اینترنت اشیا شما می تواند نقطه بالقوه آسیب پذیری باشد.
راه حل : محاسبات لبه به شما کمک می کند که خطر تخریب اطلاعات یا سرقت را به حداقل برسانید، زیرا داده های جمع آوری شده شما درست در جایی در داخل دستگاه ذخیره می شوند.
- سرعت
مشکل : جمع‌آوری، انتقال و تحلیل داده‌ها یک کار وقت گیر است. به همین دلیل است که برخی از سازمان‌ها ممکن است با چالش انتخاب بین عمق بینش نشات‌گرفته از داده‌ها و سرعت پردازش آن مواجه شوند. این امر به ویژه برای دستگاه‌های کنترل از راه دور صادق است.
راه حل : محاسبات لبه این چالش را با افزایش کارایی شبکه و سرعت بخشیدن به پردازش داده‌ها حذف می‌کند. هر دستگاه در شبکه می‌تواند داده‌ها را تجزیه و تحلیل کند و بازخورد فوری ارایه دهد، در نتیجه سرعت پردازش را افزایش داده و عمق بینش را افزایش دهد.
- هزینه
مشکل : هزینه محاسبات ابری به طور معمول به مقدار داده‌های تولید شده توسط “چیزها“ بستگی دارد و از طریق شبکه منتقل می‌شود. با در نظر گرفتن تعداد وسایلی که توسط یک سیستم کشاورزی هوشمند مورد استفاده قرار میگیرند و حجم داده ای که تولید میکنند، هزینه محاسبات به روش ابری می‌تواند به سادگی به طرز سرسام آوری افزایش یابد.
راه حل : با استفاده از محاسبات لبه در کشاورزی هوشمند، نیازی نیست که فضای ذخیره سازی خود را با داده‌های بی‌ربط و بی‌مصرف پر کنید و یا آن را به پایگاه‌داده اصلی منتقل کنید. در نتیجه شما می‌توانید به راحتی هزینه های سرور ابری خود را از نظر هزینه ذخیره سازی و پهنای باند کاهش دهید.
با توجه به چالش های ذکر شده، مزایای استفاده از محاسبات لبه حتی بیشتر آشکار می شوند. و مخصوصا وقتی صحبت از محاسبات لبه در کشاورزی هوشمند است.
سه مورد از استفاده محاسبات لبه در کشاورزی هوشمند
ده ها نمونه کاربردی برای کشاورزی هوشمند وجود دارد : از پیگیری تغییرات آب و هوایی و نظارت بر شرایط محصول، تا اتوماسیون گلخانه.
بنابراین، در اینجا فقط برخی از فرصت ها و موارد کاربرد محاسبات لبه را در نظر می گیریم:
۱- تراکتورهای خودآموز یا Agribots
تراکتورهای خودآموز و ماشین‌های رباتیک می‌توانند به طور خودکار با سنسورهای اطراف ارتباط برقرار کنند تا اطلاعات لازم را در مورد محیط اطراف به دست آورند.
با استفاده از بینایی ماشین و داده‌های میدانی قبل از بارگذاری، agribots می‌توانند کارآمدترین راه‌ها را برای پوشش دادن مساحت مورد نیاز، تعداد وسایط نقلیه در حال حاضر در میدان، اندازه ابزار و غیره را محاسبه کنند. به طور مثال اگر یک انسان یا یک حیوان در راه باشد، می‌توانند به طور خودکار متوقف شوند.
در نتیجه، تجهیزات هوشمند می‌توانند طیف وسیعی از کارها را انجام دهند، مانند آب دادن / وجین کردن مناطق خاص در زمان مورد نیاز و یا حتی به طور خودکار برداشت محصول.
۲- اتوماسیون مزرعه.
درست مانند agribots، یک گلخانه یا حتی کل مزارع را می توان با استفاده از محاسبات لبه اینترنت اشیا به کار انداخت. این به این معنی است که این اکو سیستم می‌تواند خود را بدون اتکا به یک سرور از راه دور، با پردازش داده‌های جمع‌آوری‌شده و تصمیم‌گیری در مورد فرآیندهای روتین کنترل کند، به عنوان مثال آبیاری گیاهان، تغذیه، حرارت، نور، رطوبت و غیره.
۳- حفاظت از بلایا.
با استفاده از محاسبات لبه، سیستم‌های اینترنت اشیا می‌توانند تصمیمات آگاهانه درباره خطرات محیطی بالقوه یا بلایای طبیعی بگیرند.
برای مثال، حسگرهای دوردست می‌توانند داده‌ها را در مورد تغییرات در آب و هوا و یا محیط برای پیش‌بینی بلایای بالقوه جمع‌آوری و تحلیل کنند، در صورتی که علائم خاصی از خطر وجود دارد، فورا به مرکز کنترل عمومی اطلاع دهید. در نتیجه، کشاورزان قادر خواهند بود اقدامات به موقع برای محافظت از محصولات خود را تا حدودی انجام دهند.
