Tarım Teknolojileri

Hassas Tarım Sistemleri için Yocto BSP ve NVIDIA Jetson Orin

Jetson Orin NX üzerinde 1.8s boot + %94.2 mAP bitki hastalığı tespiti

Spikedge Mühendislik17 Mart 20269 dk okuma
Hassas Tarım Sistemleri için Yocto BSP ve NVIDIA Jetson Orin
oscilloscope-verified

Bu Kanıtta Ne Çözüldü

Sulama optimizasyonu ve hastalık tespiti için geliştirilen otonom tarım aracında Yocto Scarthgap tabanlı BSP hazırlama, boot süresi optimizasyonu ve sahada Edge AI inferans pipeline tasarımı.

Bu yazı, Spikedge mühendislik ekibinin saha deneyimleri ve teknik değerlendirmeleri temel alınarak hazırlanmıştır.

Hassas Tarım için Yocto BSP ve Jetson Orin: Sıfırdan Production'a

Donanım Özellikleri

Bileşen Seçim Gerekçe
SoM NVIDIA Jetson Orin NX 16GB 1024-core Ampere GPU, 32 TOPS AI performansı
Taşıyıcı Kart Özel AgriCarrier IP65, 4x MIPI CSI-2, CAN FD, RS-485
Kameralar Sony IMX415 × 4 (4K, 30fps) Geniş dinamik aralık, tarla koşulları
Toprak Sensörü I2C/UART × 8 kanal NPK, nem, pH paralel örnekleme
OS Yocto Scarthgap Tekrarlanabilir build, minimal footprint

Yocto Katman Yapısı

build/conf/bblayers.conf
  ├── meta-tegra          # NVIDIA Jetson BSP
  ├── meta-qt6            # Qt 6.7 — HMI
  ├── meta-spikedge-core  # OTA, güvenlik
  └── meta-spikedge-agri  # Kamera, sensör, ML

meta-spikedge-agri katmanı: nvargus-daemon konfigürasyonu (4 eşzamanlı kamera), toprak sensörü sürücüsü (I2C overlay), Eclipse Mosquitto MQTT (TLS 1.3), TensorRT model yükleme.

Boot Süresi Optimizasyonu: 15.2s → 1.8s

# systemd-analyze blame (sonraki durum)
   0.412s nvargus-daemon.service
   0.287s mosquitto.service
   0.198s NetworkManager.service
   0.143s spikedge-agri.service
# Toplam kullanıcı alanı: 1.8s

# Devre dışı bırakılan servisler (−13.4s tasarruf)
systemctl disable snapd avahi-daemon cups ModemManager

Tam boot optimizasyon metodolojisi: Embedded Linux Boot Süresi: 15.2s → 1.8s

Edge AI Pipeline: Bitki Hastalığı Tespiti

TensorRT INT8 optimize YOLOv8s modeli:

# 4-kamera zero-copy NVMM pipeline
gst-launch-1.0 \
  nvarguscamerasrc sensor-id=0 ! \
  'video/x-raw(memory:NVMM),width=3840,height=2160,framerate=30/1' ! \
  nvvidconv ! 'video/x-raw(memory:NVMM),width=640,height=640' ! \
  nvinfer config-file-path=/opt/spikedge/trt/yolov8s_agri.txt ! \
  nvdsosd ! nvoverlaysink sync=false
Metrik Değer
Model boyutu (INT8) 18MB
Inferans süresi 11ms (GPU)
Doğruluk (mAP@0.5) %94.2
GPU kullanımı %38 (4 kamera eşzamanlı)

NVMM zero-copy detayları: Jetson'da Zero-Copy GStreamer Pipeline

Saha Test Sonuçları (6 Ay)

Metrik Değer
Erken uyarı artışı +%31 hastalık tespiti
Su tasarrufu %18
Yanlış alarm oranı %3.1
Batarya ömrü 9.2 saat (hedef: 8 saat)
Sistem uptime %99.4

İlgili Kaynaklar

Keşfetmeye Devam Et

YoctoJetson OrinEdge AITensorRTGStreamerTarımBSPYOLOv8

Spikedge Mühendislik Ekibi

Bu teknolojiyi kendi sisteminizde kullanıyor musunuz?

Spikedge mühendisleriyle birebir teknik analiz planlayın. Platformunuzu, darboğazınızı ve hedeflerinizi konuşalım.

Mimari Denetim Talebi