Ladang hidroponik pintar pada PC kitar semula: catatan lapangan dari UTM bersama AeroGreen Asia
Sebelum sebarang penderia atau AI dipasang, kami membuka dan membersihkan ladang hidroponik di UTM. Catatan lapangan dari projek AeroGreen Asia: bagaimana penderia, ESP32 dan geganti akan mengendalikannya, mengapa PC i7 lama tanpa GPU mencukupi untuk model AI-nya, dan berapa banyak tenaga yang digunakan oleh 28 lampu pertumbuhan.
- Projek
- Hidroponik pintar IoT di Universiti Teknologi Malaysia (UTM)
- Syarikat
- AeroGreen Asia (艾科绿). Ketua: Teo Choon Yee. Turut hadir pada taklimat: Eric
- Pasukan
- Ma Liwei, Tan Bing Yan, Mohammed Ali Kareem Al-deen dan Sean Seah, bersama Teo Choon Yee, seperti yang dinamakan dalam catatan AeroGreen Asia
- Taklimat
- Khamis 15 Oktober 2026, 7:30–9:00 malam, secara bersemuka di Tea Garden, Sutera Utama
- Hari tapak
- Ahad 25 Oktober 2026, 10:00 pagi–4:00 petang, di UTM
- Status
- Dalam proses. Seterusnya: konfigurasi di makmal kampus UTM
AeroGreen Asia sedang mengubah sistem hidroponik konvensional di Universiti Teknologi Malaysia (UTM) menjadi sistem pintar, dengan bantuan pasukan pelatih yang termasuk saya. Catatan ini merangkumi dua langkah pertama: taklimat projek pada 15 Oktober 2026, di mana saya memilih projek ini, dan hari tapak pada 25 Oktober, apabila kami membongkar sistem, membersihkannya dan memasangnya semula.
Infografik merangkum projek pada satu halaman. Bahagian selepasnya menerangkan setiap bahagian, dengan foto-foto dari hari tersebut.
Istilah yang digunakan dalam bahagian ini
- Hidroponik
- Menanam tumbuhan tanpa tanah. Akar mengambil air dan nutrien daripada larutan nutrien.
- Pertanian ketepatan
- Pertanian melalui pengukuran: penderia dan data menentukan bila untuk menyiram, membaja atau menyalakan tumbuhan, bukannya rutin tetap atau tekaan.
- ESP32
- Papan mikropengawal kecil dan murah daripada Espressif dengan Wi-Fi dan Bluetooth terbina dalam, popular untuk membaca penderia dalam projek IoT.
- Geganti
- Suis elektrik yang boleh dihidupkan dan dimatikan oleh isyarat kecil, contohnya daripada ESP32, supaya papan kecil boleh mengawal pam atau lampu yang menggunakan kuasa utama.
- Google Gemma
- Satu keluarga model AI terbuka ringan daripada Google yang boleh dijalankan pada perkakasan anda sendiri, termasuk komputer tanpa kad grafik.
- kW dan kWh
- Kuasa dan tenaga. Kilowatt (kW) adalah seberapa cepat peranti menggunakan elektrik pada satu masa; kilowatt-jam (kWh) adalah kuasa didarab dengan masa.
Apakah ladang hidroponik pintar?
Ladang hidroponik pintar adalah sistem penanaman tanpa tanah dengan elektronik tambahan. Penderia mengukur air dan tumbuhan, pengawal kecil membacanya dan menghantar data, perisian memutuskan apa yang perlu dilakukan, dan suis menghidupkan dan mematikan pam dan lampu. Ladang menyesuaikan diri sendiri daripada menunggu seseorang untuk memeriksanya.
Sistem asas di UTM mempunyai empat bahagian. AeroGreen Asia memanggilnya sistem hidroponik konvensional, dan langkah seterusnya adalah menambah penderia, IoT dan AI.
Rak penanaman
Rak SANANBIO dengan beberapa tingkat. SANANBIO adalah jenama Fujian Sananbio Technology, sebuah syarikat pertanian menegak di Xiamen, China.
Dulang dan papan tumbuhan
Setiap tingkat memegang dulang untuk air. Papan tumbuhan putih dengan barisan lubang persegi terletak di atas dulang dan memegang tumbuhan.
Lampu tumbuh LED
28 lampu di atas tingkat. Lampu tumbuh sering mencampurkan merah dan biru, warna yang paling banyak digunakan oleh tumbuhan, jadi bilik bersinar merah jambu apabila ia dihidupkan.
Tangki air
Tangki kelabu berasingan menyimpan air untuk keseluruhan sistem.
Siapakah AeroGreen Asia?
AeroGreen Asia (艾科绿) adalah syarikat teknologi pertanian yang mengusahakan IoT dan AI untuk pertanian. Catatan Facebooknya mengenai projek ini ditandakan #PrecisionFarming, #SmartAgriculture, #FoodSecurity dan #Sustainability. Ketuanya ialah Teo Choon Yee, yang memberi taklimat kepada pasukan pelatih bersama Eric dari AeroGreen Asia.
Syarikat itu juga bekerjasama dengan universiti. Pada webinar Southern University College pada 28 Oktober 2026, pensyarah kursus berkata bahawa AeroGreen Asia mempunyai memorandum persefahaman (MoU) dengan universiti, dan menetapkan projek sebenar kepada pelajar: mencari penaja untuk kerja AeroGreen Asia. Ceramah itu ada dalam nota kami mengenai penjenamaan peribadi.
Taklimat: dua projek untuk dipilih
Pada Khamis 15 Oktober 2026, dari 7:30 hingga 9:00 malam, Teo Choon Yee dan Eric bertemu pasukan pelatih secara bersemuka di Tea Garden, Sutera Utama, dan membentangkan dua projek. Kemudian mereka membenarkan kami memilih.
| Item | Pilihan 1: Ladang pintar IoT | Pilihan 2: platform pembelajaran |
|---|---|---|
| Matlamat | Memperbaiki ladang dengan kamera yang mengenali tumbuhan | Membina platform pembelajaran seperti Coursera |
| Titik permulaan | Semua pemantauan menggunakan penderia, disambungkan ke papan ESP32 dan pengawal geganti | Sistem pengurusan pembelajaran (LMS) UTM |
| Perisian | Aplikasi Android yang dibina dalam Android Studio dengan Kotlin | Kursus di LMS UTM |
| AI atau laluan pembelajaran | Ciri AI (LLM) dalam aplikasi menggunakan data sedia ada yang boleh dipercayai untuk mengautomasikan kerja dan membantu dengan penuaian: Google Gemma pada PC lama (Core i7, 16 GB RAM, tiada GPU) | Pelajar bergerak dari teori ke amalan projek secara langsung dalam tiga peringkat, L1 hingga L3 |
Saya memilih ladang pintar IoT. Rancangan itu adalah untuk bertemu kemudian di makmal kampus UTM untuk menyediakan konfigurasi sebelum pembangunan bermula.
Mengapa membersihkan sistem hidroponik sebelum menambah penderia?
Kerana penderia mengukur apa sahaja yang ada di dalamnya. Air lama, kotoran dan alga boleh menyekat aliran air dan membahayakan tumbuhan baru, dan ia memberikan penderia baru titik permulaan yang salah. Sistem yang bersih dan berfungsi bermakna bacaan pertama menerangkan tumbuhan, bukan sisa. Jadi pada hari pertama tiada siapa yang menyentuh penderia.
“Sebelum memperkenalkan penderia IoT dan AI, kami bermula dengan asas — membongkar, membersihkan dengan teliti dan memasang semula sistem penanaman hidroponik sedia ada.”
Kami bekerja di UTM pada Ahad 25 Oktober 2026, dari 10:00 pagi hingga 4:00 petang, dalam lima langkah.
25 Oktober 2026: hari tapak dalam lima langkah
- Taklimat: kerja diterangkan di hadapan rak
- Pembongkaran: rak penanaman dibongkar
- Pembersihan: rak, dulang dan papan tumbuhan dibersihkan, dan tangki air dicuci
- Pemasangan semula: rak dipasang semula dan papan tumbuhan kembali ke dulang
- Pemeriksaan kuasa: pasukan memeriksa kuasa 28 lampu tumbuh LED
Bagaimana penderia, ESP32 dan geganti akan mengendalikan ladang?
Ia membentuk gelung rasa–membuat keputusan–bertindak. Penderia mengukur keadaan, papan ESP32 membacanya dan menghantar data melalui Wi-Fi, aplikasi Android dan model AI menentukan apa yang diperlukan oleh tumbuhan, dan geganti, yang dihidupkan oleh ESP32, menghidupkan atau mematikan pam dan lampu.
Pada taklimat, AeroGreen Asia menerangkan ladang pintar yang sudah berfungsi dengan cara ini: semua pemantauan menggunakan penderia yang disambungkan ke ESP32 dan pengawal geganti, dengan aplikasi Android dan ciri AI di atasnya. Apa yang pasukan ingin tambah ialah kamera yang mengenali tumbuhan. Rak yang kami bersihkan di UTM adalah sistem konvensional yang akan dipasang penderia, IoT dan AI seterusnya.
Gelung rasa–membuat keputusan–bertindak
- Penderia mengukur tumbuhan dan air
- bacaan daripada setiap penderiaPapan ESP32 membaca penderia
- data melalui Wi-FiAplikasi Android dan model Gemma menentukan apa yang diperlukan oleh tumbuhan
- isyarat daripada ESP32Pengawal geganti menghidupkan atau mematikan pam dan lampu
- gelung berulangTumbuhan bertindak balas, dan penderia mengukur semula
Nota saya daripada taklimat tidak menyatakan penderia yang digunakan oleh projek itu. Ladang hidroponik biasanya mengukur suhu air, paras air, keasidan (pH) dan kekuatan larutan nutrien (kekonduksian elektrik, atau EC). Jadual di bawah menyenaraikan bahagian-bahagian yang diterangkan dalam taklimat.
| Bahagian | Fungsinya | Status pada taklimat |
|---|---|---|
| Penderia | Mengukur keadaan tumbuhan dan air | Sedang digunakan |
| Papan ESP32 | Membaca penderia dan menghantar data melalui Wi-Fi | Sedang digunakan |
| Pengawal geganti | Menghidupkan dan mematikan peranti berdasarkan isyarat daripada ESP32 | Sedang digunakan |
| Aplikasi Android | Memaparkan data kepada pengguna; dibina dalam Android Studio dengan Kotlin | Sedang digunakan |
| Model AI: Google Gemma | Menggunakan data sedia ada yang boleh dipercayai untuk mengautomasikan kerja dan membantu penuaian | Sedang digunakan, pada PC lama: Core i7, 16 GB RAM, tiada GPU |
| Kamera | Mengambil gambar supaya sistem dapat mengenali tumbuhan | Dirancang |
Aplikasi ini ditulis dalam Kotlin; laman web Pembangun Android menyatakan bahawa lebih 60% pembangun Android profesional menggunakan bahasa tersebut.
Bolehkah PC lama menjalankan model AI tanpa GPU?
Ya, jika model itu kecil dan tugasnya memerlukan kesabaran. Persediaan yang diterangkan dalam taklimat menjalankan Google Gemma pada PC lama dengan pemproses Core i7, 16 GB RAM dan tiada kad grafik (GPU). Pemproses melakukan semua kerja, jadi jawapan datang lebih perlahan daripada pada mesin GPU, dan 16 GB RAM mengehadkan saiz model. Untuk ladang, di mana tumbuhan berubah dalam tempoh jam dan hari, saya rasa itu sudah cukup.
Apa yang dikorbankan oleh PC lama
Pertukaran yang jujur
- Kelajuan: tanpa GPU, pemproses melakukan semua kerja, jadi jawapan datang lebih perlahan
- Saiz model: keseluruhan model mesti muat dalam 16 GB RAM, bersama dengan sistem pengendalian
- Ruang untuk berkembang: model yang lebih besar atau kerja imej yang lebih berat mungkin memerlukan mesin yang lebih kuat kemudian
Apa yang diperoleh projek
Mengapa penggunaan semula berfungsi di sini
- Kos: tiada perkakasan baharu untuk dibeli, dan tiada bil setiap token untuk perkhidmatan AI yang dihoskan
- Penggunaan semula: mesin yang kurang produktif kini berfungsi semula
- Fleksibiliti: alternatif yang berfungsi sekarang dan boleh dinaik taraf apabila diperlukan
- Kurang pembaziran: satu PC kurang di bilik stor atau tong sampah
Bagi saya, penggunaan semula adalah intinya. Menjalankan AI pada PC yang berlebihan adalah fleksibel, mengurangkan kos projek, dan mengembalikan mesin yang kurang produktif untuk berfungsi. Itu adalah amalan kitar semula yang lebih baik daripada meninggalkan PC lama di bilik stor atau membuangnya ke dalam tong sampah.
Angka di sebalik pandangan itu adalah besar. Global E-waste Monitor 2024 Pertubuhan Bangsa-Bangsa Bersatu mengira rekod 62 juta tan sisa elektronik pada tahun 2022, dan kurang daripada seperempat daripadanya (22.3%) didokumenkan sebagai dikumpul dan dikitar semula dengan betul.
- 62 MtSisa e-waste yang dihasilkan pada tahun 2022Satu rekod, meningkat 82% dari 2010
- 22.3%Didokumenkan sebagai dikumpul dan dikitar semula dengan betulKurang daripada seperempat daripada jisim itu
- 82 MtDijangka untuk 2030Dengan kadar kitar semula menurun kepada 20%
Berapa banyak elektrik yang digunakan oleh 28 lampu tumbuh?
Setiap lampu tumbuh LED di UTM menggunakan kira-kira 80 W (0.08 kW). Dengan kesemua 28 dihidupkan, ia menarik 28 × 0.08 = 2.24 kW. Tenaga adalah kuasa didarab dengan masa, jadi jika lampu menyala 12 jam sehari, contohnya, ia menggunakan 2.24 × 12 = 26.88 kWh sehari, atau kira-kira 806 kWh dalam sebulan 30 hari. Nota pertama saya membundarkan beban kepada 2; angka tepat ialah 2.24.
- 80 WSatu lampu tumbuhKira-kira 0.08 kW, daripada semakan pasukan
- 2.24 kWKesemua 28 lampu dihidupkan28 × 0.08 kW
- 26.88 kWhSehari 12 jam2.24 kW × 12 jam
- 806 kWhSebulan 30 hari26.88 kWh × 30, pada 12 jam setiap hari
Kedua-dua nombor itu menjawab soalan yang berbeza. Kuasa (2.24 kW) memberitahu anda sama ada bekalan elektrik boleh menampung beban; pasukan menilai beban ini boleh diterima. Tenaga (kWh) memberitahu anda berapa kos untuk menjalankan lampu: darabkannya dengan tarif elektrik anda.
Mengapa ladang pintar penting untuk Malaysia?
Malaysia menghasilkan kurang daripada separuh sayur-sayuran yang dimakannya. Pada tahun 2023, kadar sara diri dalam sayur-sayuran adalah kira-kira 45.4%, menurut angka Kementerian Pertanian yang dilaporkan oleh CodeBlue, walaupun ia mencapai 83.1% untuk sayur-sayuran tropika. Pertanian dalaman yang terukur seperti hidroponik boleh menanam makanan dalam ruang yang lebih kecil, berdekatan dengan orang yang memakannya.
Catatan AeroGreen Asia sendiri membingkai kerja UTM dengan cara yang sama: satu langkah ke arah pengeluaran makanan yang lebih pintar dan mampan.
Apa yang akan datang
Seterusnya adalah konfigurasi di makmal kampus UTM, kemudian penderia, IoT dan AI pada sistem yang telah dibersihkan, dan kemudian kamera yang mengenali tumbuhan.
- 15 Oktober 2026
Taklimat dan pilihan
Dua pilihan dibentangkan di Tea Garden, Sutera Utama. Saya memilih ladang pintar IoT.
- 25 Oktober 2026
Hari tapak di UTM
Rak dibongkar, dibersihkan dan dipasang semula; tangki air dicuci; kuasa 28 lampu tumbuh diperiksa.
- Seterusnya
Konfigurasi di makmal kampus UTM
Kerja persediaan sebelum pembangunan bermula.
- Kemudian
Penderia, IoT dan AI pada sistem yang telah dibersihkan
Dalam kata-kata AeroGreen Asia, mengubah hidroponik konvensional menjadi platform untuk pengurusan tanaman yang lebih pintar.
- Kemudian
Kamera yang mengenali tumbuhan
Peningkatan yang diterangkan dalam taklimat: pengecaman tumbuhan di atas data penderia.
Apa yang saya pelajari pada hari pertama
- Ladang pintar bermula dengan sistem asas yang bersih dan berfungsi; penderia dan AI datang kemudian.
- Nombor mudah harus dikira dengan tepat: 28 × 0.08 kW ialah 2.24 kW, bukan 2.
- Model AI tidak selalu memerlukan GPU yang mahal. Menggunakan semula PC lama menjimatkan wang dan memastikan mesin yang berfungsi tidak menjadi sisa.
Soalan lazim
Apakah sistem hidroponik pintar?
Sistem penanaman tanpa tanah dengan penderia, pengawal dan perisian tambahan. Penderia mengukur air dan tumbuhan, papan seperti ESP32 membacanya dan menghantar data, aplikasi atau model AI memutuskan apa yang perlu dilakukan, dan geganti menghidupkan pam dan lampu. Sistem ini menyesuaikan diri dan bukannya menunggu seseorang memeriksanya.
Apakah fungsi ESP32 dalam ladang hidroponik?
Ia membaca penderia dan menghantar data mereka melalui Wi-Fi, dan ia boleh menghidupkan geganti yang menghidupkan atau mematikan pam atau lampu. Ia adalah mikropengawal kecil dan murah dengan Wi-Fi dan Bluetooth terbina dalam, sebab itulah ia biasa digunakan dalam projek IoT.
Bolehkah anda menjalankan model AI pada PC lama tanpa GPU?
Ya, jika model itu kecil. Dalam persediaan yang diterangkan dalam taklimat, Google Gemma berjalan pada PC Core i7 lama dengan 16 GB RAM dan tiada GPU. Pemproses melakukan semua kerja, jadi jawapan lebih perlahan dan RAM mengehadkan saiz model. Untuk ladang, di mana tumbuhan berubah dalam tempoh jam, itu sudah cukup, dan PC lama digunakan semula dan bukannya dibuang.
Berapa banyak elektrik yang digunakan oleh lampu tumbuh LED?
Darabkan kuasa satu lampu dengan bilangan lampu, kemudian dengan jam. Di UTM, 28 lampu masing-masing kira-kira 80 W menarik 2.24 kW bersama, iaitu 26.88 kWh dalam sehari 12 jam, atau kira-kira 806 kWh dalam sebulan 30 hari.
Mengapa membersihkan sistem hidroponik sebelum menambah penderia?
Air lama, kotoran dan alga boleh menyekat aliran air dan membahayakan tumbuhan baharu, dan ia memberikan titik permulaan palsu kepada penderia baharu. Sistem asas yang bersih dan berfungsi memberikan penderia dan AI garis dasar yang benar.
Siapakah AeroGreen Asia?
AeroGreen Asia (艾科绿) ialah syarikat teknologi pertanian yang mengusahakan IoT dan AI untuk pertanian. Bosnya ialah Teo Choon Yee. Ia menjalankan projek hidroponik pintar di Universiti Teknologi Malaysia dengan pasukan pelatih dan, menurut pensyarah Southern University College, mempunyai MoU dengan universiti tersebut.
Sources
- Pertanian Ketepatan Bermula dengan Mengotorkan Tangan Kita! — AeroGreen Asia di Facebook, 25 Oktober 2026
- Fujian Sananbio Technology Co., Ltd (pembuat rak SANANBIO) — GreenTech
- ESP32 Wi-Fi & Bluetooth SoC — Espressif Systems
- Gambaran keseluruhan model Gemma — Google AI for Developers
- Kotlin dan Android — Pembangun Android
- Pemantau E-sisa Global 2024: sisa elektronik meningkat lima kali lebih cepat daripada kitar semula yang didokumenkan — UNITAR, 20 Mac 2024
- Malaysia catat 45% sara diri sayur-sayuran, sayur tropika pada 83% SSR — CodeBlue, Ogos 2025