Целостная архитектура телеметрии на базе IoT и облака для проактивного мониторинга пожаров в умном сельском хозяйстве

Почему умное наблюдение за пожарами важно на ферме

Фермеры во всем мире сталкиваются с необходимостью выращивать больше продуктов на фоне того, что изменение климата делает их земли суше и более подверженными пожарам. Один пожар может уничтожить посевы, почву и оборудование за считанные минуты, поставив под угрозу средства к существованию и продовольственные запасы региона. В статье предлагается новая система мониторинга пожаров в реальном времени, разработанная специально для современных ферм. Комбинируя недорогие датчики, компактные компьютеры и облачное ПО, она нацелена на раннее обнаружение пламени и дыма, оповещение фермеров за секунды и обеспечение надежной работы техники в полевых условиях.

Пожары, уязвимые урожаи и потребность в быстрой тревоге

Во многих регионах рост температур, засухи и лесные пожары сокращают пригодные для работы земли в то время, когда глобальный спрос на продовольствие растет. Традиционное управление пожарами в сельском хозяйстве чаще реактивно: люди замечают дым, вызывают помощь и действуют только после появления видимого пламени. Последние исследования пытались улучшить ситуацию с помощью дронов, спутниковых изображений и систем распознавания пожаров на основе ИИ, но такие решения могут быть дорогими или охватывать лишь одну часть проблемы — например, только сенсоры или только хранение данных. Авторы утверждают, что фермам нужна доступная сквозная система, которая не только обнаруживает ранние признаки возгорания, но и быстро передает данные, отфильтровывает ложные срабатывания и демонстрирует способность работать день за днем без перегрузки собственной электроники.

Три слоя, работающие вместе как нервная система

Предлагаемая архитектура функционирует как нервная система для поля, состоящая из трех тесно связанных слоев. На земле — слой устройств: простые датчики дыма и пламени через аналого‑цифровой преобразователь подключаются к мини‑компьютеру и шлюзу Raspberry Pi 3 B+. Этот уровень непрерывно считывает воздух и локальное тепло, а также следит за собственным состоянием, отслеживая загрузку процессора и использование памяти. Второй уровень размещен в облаке на платформе с открытым исходным кодом ThingsBoard, выбранной за гибкость и низкую стоимость масштабирования. Он принимает постоянный поток компактных пакетов данных, отправляемых каждые две секунды с использованием стандарта обмена MQTT и формата JSON, что подходит для нестабильных сельских интернет‑соединений. Третий слой обрабатывает эту телеметрию, управляя панелями мониторинга, движками правил и автоматическими оповещениями, превращающими сырые числа в понятные сигналы для фермеров.

От показаний датчиков до мгновенных оповещений

В основе системы лежит самоконфигурирующийся алгоритм, который координирует подключение к облаку, формирует каждое показание датчика и отправляет его с встроенными проверками времени и содержимого. На каждом цикле Raspberry Pi собирает процентные значения дыма и пламени, оценивает, похожи ли условия на реальное возгорание, и фиксирует загрузку ЦПУ и использование памяти. Затем все эти данные кодируются в небольшое сообщение и публикуются в облако с настройками качества обслуживания, подтверждающими доставку. В ThingsBoard данные отображаются в виде графиков и шкал, показывающих поведение датчиков, нагрузку процессора и стабильность памяти во времени. Правила сравнивают входящие значения с порогами; когда пламя и дым одновременно резко растут по подозрительной схеме, система автоматически отправляет email‑оповещение, чтобы фермер мог отреагировать за минуты, а не часы. Тот же интерфейс позволяет экспортировать таблицы прошлых событий для анализа тенденций или уточнения порогов.

Насколько хорошо система работает на практике

Исследователи протестировали прототип в реалистичных условиях, многократно моделируя и пожарные, и непожарные ситуации. Из 35 инсценированных пожаров система правильно распознала 34, достигнув точности обнаружения 96,1%. В 15 непожарных случаях доля ложных срабатываний оставалась ниже 2,8%, что показывает способность отличать реальную опасность от обычных колебаний дыма или тепла. Передача данных от Raspberry Pi до облачной панели занимала в среднем менее 300 миллисекунд, обеспечивая почти обновления в реальном времени. В длительных испытаниях система была доступна более чем 98% времени, а загрузка процессора и использование памяти мини‑компьютера оставались умеренными и стабильными даже при непрерывной отправке данных о сенсорах и состоянии системы. Это указывает на то, что разработка достаточно устойчива для длительной работы без сбоев или перегрузки сети.

Что это значит для более безопасного и умного сельского хозяйства

Проще говоря, исследование показывает, что доступное сочетание полевых датчиков, одного компактного компьютера и инструментов облачного ПО с открытым кодом может служить надежной системой раннего предупреждения о пожарах на ферме. Объединив обнаружение, передачу данных, визуализацию в режиме реального времени и автоматические email‑оповещения в одном протестированном решении, авторы шагнули дальше ранних прототипов, охватывавших лишь отдельные элементы задачи. Их результаты указывают на то, что такие системы могут помочь фермам заметить пожар на ранней стадии, сократить ущерб и лучше защитить урожай и окружающие леса. Хотя необходимы испытания в более крупных масштабах, улучшение энергоэффективности и более надежная работа при отключениях интернета, эта работа показывает практический путь к повышению устойчивости сельского хозяйства в условиях потепления и роста риска пожаров.

Цитирование: Morchid, A., Salami, A., Khalid, H.M. et al. Holistic IoT and cloud-based telemetry architecture for proactive fire monitoring in smart agriculture. Sci Rep 16, 8669 (2026). https://doi.org/10.1038/s41598-026-43538-0

Ключевые слова: умное сельское хозяйство, распознавание пожаров, датчики IoT, облачная телеметрия, продовольственная безопасность