Aller au contenu principal
2025 conference-paper

Cloud-Based Precision Irrigation System: Optimizing Water Usage With Real-Time Environmental And Crop Factor Data

2Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
3Pays d’affiliation déclarés

Rattachement africain : in, us, kr. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Global freshwater resources are diminishing, and water scarcity is becoming a critical issue; there is a pressing need for efficient irrigation in agriculture. In India, nearly 40-50% of water is lost due to inefficient irrigation practices. Over or underwatering can hinder plant growth and reduce crop yield. The current research employs IoT to enable precision irrigation by utilizing meteorological data obtained in real-time, in addition to cloud analytics to regulate water utilization. Water requirement calculation of the considered plant crop (potato) is done by regularly monitoring soil moisture data and evapotranspiration rates. The sensor data are pushed into the digital ocean cloud platform, where various parameters like moisture level thresholds, humidity levels, temperature, Evapotranspiration rate, and precipitation levels obtained from the OpenMeteo API are used to make watering decisions. The system utilizes the predefined crop factor data and the seed sown date to calculate the water in liters for the given area dynamically. The water quantity in litres is then communicated to the main controller. The main controller actuates the motor for watering purposes based on pipe parameters. Calculated watering enhances future water resource scheduling and helps the users analyze water trend requirements for a given plant type, leading to sustainable agricultural practices.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Cloud-Based Precision Irrigation System: Optimizing Water Usage With Real-Time Environmental And Crop Factor Data
Date Crossref
21/08/2025
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Sona College of Technology pays non établi dans la notice
    Université ou école supérieure
  • Salem College pays non établi dans la notice
    Université ou école supérieure
  • Hanbat National University pays non établi dans la notice
    Université ou école supérieure
  • Annamalai University pays non établi dans la notice
    Université ou école supérieure
  • B V Raju Institute of Technology pays non établi dans la notice
    Structure de recherche
  • Annamalai Polytechnic College pays non établi dans la notice
    Université ou école supérieure

Sona College of Technology, Salem College et Hanbat National University, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Smart Agriculture and AI

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.