Назад к заметкам

ИИ-дача: локальный агроном для теплицы

Хочу проверить, сможет ли локальная модель стать ИИ-агрономом: наблюдать за теплицей, принимать решения и управлять её системами.

Схема ИИ-дачи: датчики через ESP32 и MCP передают данные локальной модели, которая управляет теплицей
Датчики передают данные локальной модели через ESP32 и MCP, а та управляет системами теплицы.

Недавно товарищ скинул мне проект MCP-сервера для ESP32. Репозиторий не новый, но для человека, который гораздо больше склонен к программной части, чем к железу, идея сразу показалась интересной.

Первый очевидный кейс — получать данные с ESP32 обычными промптами. Например: «Какая сейчас температура в теплице?» или «Какая влажность почвы?»

Но довольно быстро возник вопрос: а зачем вообще тащить сюда LLM и MCP, если просто получить показания датчиков можно гораздо более простыми средствами?

Почему-то эта мысль меня не отпускала. И, сидя на очередной не самой важной встрече, я подумал: а что, если пойти в другую сторону и попробовать переложить на локальную модель не получение данных, а само управление?

С недавних пор я стал обладателем дачи, а в механике выращивания растений разбираюсь, мягко говоря, не очень хорошо. Поэтому идея переложить анализ состояния теплицы на локальную модель быстро захлестнула меня с головой.

Как это должно работать

На первом этапе концепция получается довольно простой.

Модель периодически получает данные о температуре, влажности воздуха, влажности почвы и других параметрах. У неё есть цель — например, создать максимально хорошие условия для роста помидоров.

Дальше она сама анализирует состояние, выбирает подходящее действие и через ESP32 управляет поливом, вентиляцией и другими системами.

То есть вместо огромного количества заранее написанных правил мы в идеале просто говорим системе, какого результата хотим добиться, а она уже пытается поддерживать нужные условия. Разумеется, с ограничениями, защитами и возможностью ручного вмешательства.

Но на этом идея быстро перестала ограничиваться одними датчиками.

Больше, чем умная теплица

Следующим этапом появились:

  • видеонаблюдение и анализ состояния растений;
  • обнаружение признаков заболеваний;
  • анализ состояния почвы и рекомендации по подкормке;
  • обнаружение вредителей;
  • подключение базы знаний по ботанике и растениеводству;
  • RAG и, возможно, дальнейшее дообучение модели на агрономических данных.

Получается уже не просто «умная теплица», а локальный ИИ-агроном, который постоянно наблюдает за состоянием растений и пытается сам принимать решения в рамках заданной цели.

Чтобы проверить не техническую реализацию, а саму гипотезу, я рассказал обо всём этом своему другу. Он учился в КГСХА и во всех механизмах, связанных с растениями, теплицами и помидорами, понимает явно больше меня.

И был немного удивлён, когда вместо «ты опять придумал какую-то фигню» услышал примерно следующее: идея вполне реальная, надо просто проверить её на настоящей теплице.

Так что, похоже, следующий год пройдёт под эгидой ИИ-дачи. Если вам будет интересно, буду держать вас в курсе и по мере продвижения делиться самим процессом, находками, ошибками и, конечно, итоговыми результатами.

Спасибо за внимание.

Ваш Крякодел 🦆