tut. (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
| Títol variant: |
Indirect Moisture Sensing Using Passive UHF RFID Technology and Machine Learning for Smart Agriculture |
| Títol variant: |
Sensado indirecto de humedad mediante tecnología RFID UHF pasiva y Machine Learning para la agricultura inteligente |
| Data: |
2026 |
| Resum: |
Controlar l'humitat del sòl en el sector agrícola és fonamental. Tanmateix, en el context de la quarta revolució industrial, les solucions convencionals de sensat, que sovint requereixen desplegaments complexos o dependència de bateries queden obsoletes davant l'emergència de l'agricultura intel·ligent. Aquest treball explora el sensat del contingut volumètric d'aigua (VWC) mitjançant RFID i tècniques d'aprenentatge automàtic, utilitzant maquinari comercial (COTS) i operant en entorns no controlats. Es formula un model de regressió bayesiana a partir de la teoria electromagnètica clàssica, que proporciona paràmetres interpretables i una quantificació d'incertesa. Els resultats experimentals mostren errors d'estimació del VWC dins l'objectiu del 5%, i l'avaluació del sistema valida una implementació orientada a l'edge amb un temps d'inferència de 25,21 ms, un temps de transmissió de 0,69 ms, i una reducció del volum de dades transmeses del 99,77%. |
| Resum: |
Monitoring soil moisture is fundamental in agricultural practices. However, in the context of the fourth industrial revolution, conventional sensing solutions that rely on complex and costly deployments or batteries are becoming outdated for the development of smart agriculture. This work explores indirect volumetric water content (VWC) sensing using RFID and machine learning, relying exclusively on commercial off-the-shelf (COTS) hardware and operating in non-controlled environments. A physics-informed Bayesian regression model is formulated from classical electromagnetic theory, providing interpretable parameters and calibrated uncertainty through posterior inference. Experimental results demonstrate VWC estimation errors within the target 5% range, and system-level evaluation validates an edge-oriented implementation, achieving an inference time of 25. 21 ms, a transmission time of 0. 69 ms, and a payload reduction of 99. 77 % compared to raw measurements. |
| Resum: |
Controlar la humedad de la tierra en el sector agrícola es fundamental. Aun así, en el contexto de la cuarta revolución industrial, las soluciones convencionales de sensores, que a menudo requieren despliegues complejos o dependencia de baterías, quedan obsoletas ante la emergencia de la agricultura inteligente. Este trabajo explora el sensado del contenido volumétrico de agua (VWC) intermediando RFID y técnicas de aprendizaje automático, utilizando hardware comercial (COTS) y operando en entornos no controlados. Se formula un modelo de regresión bayesiana a partir de la teoría electromagnética clásica, que proporciona parámetros interpretables y una cuantificación de incertidumbre. Los resultados experimentales muestran errores de estimación del VWC dentro del objetivo del 5%, y la evaluación del sistema valida una implementación orientada a la edge con un tiempo de inferencia de 25,21 ms, un tiempo de transmisión de 0,69 ms, y una reducción del volumen de datos transmitidos del 99,77%. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Llengua: |
Anglès |
| Titulació: |
Enginyeria Informàtica [2502441] |
| Pla d'estudis: |
Enginyeria Informàtica [958] |
| Document: |
Treball final de grau |
| Àrea temàtica: |
Menció Enginyeria de Computadors |
| Matèria: |
RFID ;
Sensat indirecte ;
contingut volumètric d'aigua (VWC) ;
Regressió bayesiana ;
Edge computing ;
Indirect sensing ;
volumetric water content (VWC) ;
Bayesian regression ;
Sensado indirectio ;
contenido volumétrico de agua (VWC) ;
Regresión bayesiana |
visitant ::
identificació
