DOI: https://doi.org/10.1038/s41598-026-37971-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41673168
تاريخ النشر: 2026-02-11
المؤلف: Ley Wei En وآخرون
الموضوع الرئيسي: الابتكارات في أنظمة الأكوابونيك والهيدروبونيك
نظرة عامة
تبحث ورقة البحث في دمج نظام ذكي ممكن من خلال إنترنت الأشياء (IoT) في الزراعة المائية المنزلية لتعزيز نمو الخضروات الورقية، وبالتحديد الكالي. تركز الدراسة على كيفية تأثير شدة الضوء ودرجة حرارة الماء على نمو النباتات، باستخدام متحكم دقيق Arduino UNO WIFI لمراقبة الظروف البيئية مثل درجة الحرارة، والرطوبة النسبية، ودرجة الحموضة، وتركيزات المغذيات في الوقت الحقيقي. تم اختبار أربعة إعدادات تجريبية على مدى فترة أربعة أسابيع، مقارنة بين مصادر الضوء LED والضوء الطبيعي تحت ظروف محيطة مختلفة. أظهرت النتائج أن إضاءة LED المدمجة مع ظروف درجة حرارة الغرفة أدت إلى زيادة بنسبة 15-20% في عدد الأوراق والكتلة الحيوية، مع تحديد درجات حرارة الماء المثلى بين 28-30 درجة مئوية ومستويات pH مستقرة من 6.5 إلى 7.0 تعزز من تطوير الجذور بشكل أسرع.
تحدد الخاتمة النهج المنهجي المتبع في تصميم نظام زراعة مائية منزلية مدمج مع قدرات إنترنت الأشياء. تضمنت المراحل الأولية تحديد متطلبات المستخدم والميزات الأساسية مثل المراقبة في الوقت الحقيقي والأتمتة. بعد ذلك، ركزت مرحلة التصميم على اختيار المستشعرات والأجهزة المناسبة لتحقيق الاستدامة والكفاءة. تم بناء نموذج أولي للتحقق من وظيفة النظام، والذي تم تقييمه بعد ذلك من حيث الأداء تحت ظروف مختلفة. تسلط الدراسة الضوء على مزايا هذا النموذج الأولي للزراعة المائية منخفض التكلفة والمتصل بالكامل مقارنة بالأنظمة السابقة، مع التأكيد على قدرته على المراقبة المستمرة والتحكم الآلي، مما يسهل تحسين إدارة البيئة واتخاذ القرارات المستندة إلى البيانات للزراعة المنزلية الحضرية.
طرق
توضح المنهجية المستخدمة في هذه الدراسة بشكل منهجي في الشكل 4، الذي يوضح الخطوات المتخذة لتحقيق أهداف المشروع. تبدأ العملية بمراجعة أدبية شاملة لتحديد المكونات والميزات الرئيسية اللازمة للنموذج الأولي. بعد ذلك، تتضمن مرحلة التصميم اختيار نظام زراعة مائية مناسب ودائرة تحكم إنترنت الأشياء (IoT).
بمجرد تحديد التصميم، تتضمن الخطوة التالية الحصول على جميع المواد والأجهزة اللازمة لبناء النموذج الأولي. بعد تجميع النموذج الأولي، يخضع لاختبارات صارمة وحل المشكلات لضمان الوظيفة. أخيرًا، يتم جمع البيانات أثناء التجارب وتحليلها لمقارنة مقاييس الأداء، مما يسهل في النهاية تقييم فعالية النموذج الأولي.
نتائج
في هذا القسم، يوضح المؤلفون التحقق من نتائجهم من التجارب التي أجريت على نظام زراعة مائية ممكن من خلال إنترنت الأشياء. استخدموا عدة طرق للتحقق لضمان موثوقية بيانات المستشعر، بما في ذلك التحقق المتبادل لقراءات درجة حرارة الماء ودرجة الحموضة باستخدام أدوات يدوية. أظهرت المستشعرات استقرارًا تحت ظروف مسيطر عليها، وتم تسجيل معلمات نمو النباتات مثل عدد الأوراق، وطول الساق، وطول الجذر بدقة لتقليل الأخطاء البشرية. سهل تسجيل البيانات تحديد وإزالة القيم الشاذة، مما يعزز من قوة النتائج.
شملت التجارب أربعة إعدادات، اثنان في درجة حرارة الغرفة مع إضاءة LED والضوء الطبيعي، واثنان في ظروف مكيفة تحت نفس تباينات الإضاءة. أظهرت النتائج أن النباتات تحت الأضواء LED أظهرت نموًا أسرع مقارنة بتلك تحت الضوء الطبيعي، الذي تأثر بالظروف الجوية الخارجية، خاصة خلال موسم الأمطار في سنغافورة. أشار المؤلفون إلى أنه بينما وفرت إضاءة LED بيئة نمو ثابتة، أدى الضوء الطبيعي إلى معدلات نمو أبطأ بسبب تقلب درجات الحرارة وتوافر الضوء. بشكل عام، تسلط الدراسة الضوء على التأثير الكبير لظروف الإضاءة على نمو النباتات في أنظمة الزراعة المائية، مما يبرز الحاجة إلى بيئات مسيطر عليها لتحسين نتائج النمو.
مناقشة
تناقش البحث تطوير نظام زراعة مائية منزلية ممكن من خلال إنترنت الأشياء يهدف إلى تعزيز الزراعة الحضرية في سنغافورة، بما يتماشى مع مبادرة “30 بحلول 30” لزيادة إنتاج الغذاء المحلي. تبحث الدراسة في كيفية تأثير شدة الإضاءة ودرجات حرارة الماء المختلفة على نمو الخضروات الورقية، وبالتحديد الكالي، من خلال استخدام مستشعرات إنترنت الأشياء لتحديد الظروف المثلى لصحة النباتات والعائد. يحدد المشروع مواصفات التصميم لثلاثة نماذج زراعة مائية، حيث تم اختيار النموذج 1 كالأكثر ملاءمة بسبب سهولة إعداده وكفاءته في استخدام الطاقة وجاذبيته الجمالية، على الرغم من تكلفته الأعلى ومواد أقل صداقة للبيئة.
يدمج النظام مكونات متنوعة، بما في ذلك متحكم دقيق Arduino UNO WiFi، ومستشعرات درجة الحرارة ودرجة الحموضة، وأضواء نمو LED، لتسهيل المراقبة والتحكم في الوقت الحقيقي للبيئة الزراعية المائية. يضمن استخدام استراتيجية ثنائية لمحلول المغذيات توازن توفر المغذيات مع منع الترسيب الكيميائي. تضمنت المرحلة التجريبية أربعة إعدادات لتقييم تأثير الضوء ودرجة الحرارة على نمو النباتات على مدى أربعة أسابيع، مع جمع البيانات عبر منصة Blynk IoT. تؤكد النتائج على أهمية التحكم البيئي الدقيق في الزراعة المائية، وخاصة دور شدة الضوء ودرجة حرارة الماء في تحسين نمو النباتات، مما يساهم في ممارسات الزراعة الحضرية المستدامة في سنغافورة.
القيود
تقدم الدراسة نظام زراعة مائية ممكن من خلال إنترنت الأشياء لزراعة الخضروات الورقية، ومع ذلك تعترف بعدة قيود قد تؤثر على نتائجها. تشمل العيوب الرئيسية قدرات المستشعر المحدودة، التي تقيس فقط درجة الحرارة ودرجة الحموضة، مما يغفل المتغيرات الحرجة مثل شدة الضوء وتركيز المغذيات (TDS/EC). قد تؤثر هذه القيود على دقة التحكم البيئي. بالإضافة إلى ذلك، فإن عملية جرعات المغذيات اليدوية تقدم تباينًا، بينما قد يؤدي انخفاض تكرار أخذ عينات البيانات البيئية إلى تجاهل التغيرات العابرة التي تؤثر على نمو النباتات. كانت مدة التجربة محدودة على مرحلة النمو المبكرة للكالي على مدى 21 يومًا، وقد يؤثر حجم العينة الصغيرة على موثوقية النتائج.
علاوة على ذلك، قد لا تعكس الأخطاء البشرية في القياسات اليدوية والإعداد الداخلي المسيطر عليه للتجارب الظروف الواقعية بدقة، حيث يمكن أن تؤدي العوامل الخارجية مثل تغيرات الضوء ودرجة الحرارة إلى نتائج مختلفة. كما تفتقر الدراسة إلى الاختبارات الإحصائية، التي تعتبر ضرورية للتحقق من النتائج. تهدف الأبحاث المستقبلية إلى معالجة هذه القيود من خلال دمج مستشعرات إضافية، وجمع البيانات في الوقت الحقيقي، وزيادة حجم العينات، وتحليلات إحصائية صارمة (مثل ANOVA) لتعزيز قوة النتائج وإمكانية إعادة إنتاجها. على الرغم من هذه التحديات، فإن دمج النظام لتقنية إنترنت الأشياء للمراقبة في الوقت الحقيقي والأتمتة الجزئية يؤسس إطارًا أساسيًا لنهج “الزراعة المائية الذكية”، مع خطط لمزيد من التحسينات في التحكم التكيفي.
DOI: https://doi.org/10.1038/s41598-026-37971-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41673168
Publication Date: 2026-02-11
Author(s): Ley Wei En et al.
Primary Topic: Innovations in Aquaponics and Hydroponics Systems
Overview
The research paper investigates the integration of an Internet of Things (IoT)-enabled smart system in household hydroponics to enhance the growth of leafy greens, specifically kale. The study focuses on how light intensity and water temperature influence plant growth, utilizing an Arduino UNO WIFI microcontroller to monitor environmental conditions such as temperature, relative humidity, pH, and nutrient concentrations in real-time. Four experimental setups were tested over a four-week period, comparing LED and natural light sources under different ambient conditions. Results indicated that LED lighting combined with room temperature conditions resulted in a 15-20% increase in leaf count and biomass, with optimal water temperatures identified between 28-30 °C and stable pH levels of 6.5 to 7.0 promoting faster root development.
The conclusion outlines the systematic approach taken in designing a household hydroponic system integrated with IoT capabilities. Initial phases involved defining user requirements and essential features such as real-time monitoring and automation. Following this, the design phase focused on selecting appropriate sensors and hardware to achieve sustainability and efficiency. A prototype was constructed to validate the system’s functionality, which was then evaluated for performance under various conditions. The study highlights the advantages of this low-cost, fully networked hydroponic prototype over previous systems, emphasizing its capability for continuous monitoring and automated control, thereby facilitating improved environmental management and data-driven decision-making for urban household farming.
Methods
The methodology employed in this study is systematically outlined in Figure 4, which illustrates the steps taken to achieve the project’s aims and objectives. The process begins with a comprehensive literature review to identify the key components and features necessary for the prototype. Following this, the design phase involves selecting an appropriate hydroponic system and an Internet of Things (IoT) control circuit.
Once the design is established, the next step entails procuring all necessary materials and hardware for the prototype construction. After assembling the prototype, it undergoes rigorous testing and troubleshooting to ensure functionality. Finally, data is collected during experimentation and analyzed to compare performance metrics, ultimately facilitating an evaluation of the prototype’s effectiveness.
Results
In this section, the authors detail the validation of their results from experiments conducted on an IoT-enabled hydroponic system. They employed multiple validation methods to ensure the reliability of sensor data, including cross-validation of water temperature and pH readings using manual tools. The sensors demonstrated stability under controlled conditions, and plant growth parameters such as leaf count, stem length, and root length were meticulously recorded to minimize human error. Data logging facilitated the identification and elimination of outliers, reinforcing the robustness of the findings.
The experiments involved four setups, two at room temperature with LED and natural light, and two in air-conditioned conditions under the same lighting variations. Results indicated that plants under LED lights exhibited faster growth compared to those under natural light, which was influenced by external weather conditions, particularly during Singapore’s monsoon season. The authors noted that while LED lighting provided a consistent growth environment, natural light led to slower growth rates due to fluctuating temperatures and light availability. Overall, the study highlights the significant impact of lighting conditions on plant growth in hydroponic systems, emphasizing the need for controlled environments to optimize growth outcomes.
Discussion
The research discusses the development of an IoT-enabled household hydroponic system aimed at enhancing urban agriculture in Singapore, aligning with the “30 by 30” initiative to boost local food production. The study investigates how varying light intensities and water temperatures affect the growth of leafy greens, specifically kale, by utilizing IoT sensors to identify optimal conditions for plant health and yield. The project outlines the design specifications for three hydroponic models, with Model 1 being selected as the most suitable due to its user-friendly setup, energy efficiency, and aesthetic appeal, despite its higher cost and less eco-friendly materials.
The system integrates various components, including an Arduino UNO WiFi microcontroller, temperature and pH sensors, and LED grow lights, to facilitate real-time monitoring and control of the hydroponic environment. The use of a dual nutrient solution strategy ensures balanced nutrient availability while preventing chemical precipitation. The experimental phase involved four setups to assess the impact of light and temperature on plant growth over four weeks, with data collected via the Blynk IoT platform. The findings emphasize the importance of precise environmental control in hydroponics, particularly the role of light intensity and water temperature in optimizing plant growth, thereby contributing to sustainable urban farming practices in Singapore.
Limitations
The study presents a novel IoT-enabled hydroponic system for growing leafy greens, yet it acknowledges several limitations that may impact its findings. Key drawbacks include the restricted sensor capabilities, which only measure temperature and pH, omitting critical variables such as light intensity and nutrient concentration (TDS/EC). This limitation could compromise the accuracy of environmental control. Additionally, the manual nutrient dosing process introduces variability, while the low frequency of environmental data sampling may overlook transient changes that affect plant growth. The experiment’s duration was limited to the early growth phase of kale over 21 days, and the small sample size may have affected the reliability of the results.
Moreover, human error in manual measurements and the controlled indoor setting of the experiments may not accurately reflect real-world conditions, where external factors like varying light and temperature could yield different outcomes. The study also lacks statistical testing, which is essential for validating the findings. Future research aims to address these limitations by incorporating additional sensors, real-time data collection, larger sample sizes, and rigorous statistical analyses (e.g., ANOVA) to enhance the robustness and reproducibility of the results. Despite these challenges, the system’s integration of IoT technology for real-time monitoring and partial automation establishes a foundational framework for a “smart hydroponic” approach, with plans for further enhancements in adaptive feedback control.