Sistema IoT para hidroponia: monitoramento e controle de condutividade elétrica

Abstract

Este trabalho apresenta o desenvolvimento do protótipo de um controlador para cultivo hidropônico, denominado HidroT-UC, aplicado ao controle e monitoramento de variáveis críticas na produção de hortaliças. A solução incorpora conceitos modernos de internet das coisas (IoT), incluindo arquitetura distribuída, protocolo MQTT, sensoreamento de parâmetros químicos e integração com banco de dados temporal (InfluxDB) e painel visual. Antes da implementação, é fornecida uma breve contextualização sobre sistemas hidropônicos, com ênfase na técnica do fluxo laminar de nutrientes (NFT), destacando materiais empregados, prática de gestão, sustentabilidade e impacto ambiental. A metodologia contempla a especificação dos sensores de pH e condutividade elétrica (CE), calibração, implementação de controle PID e estratégias de homogeneização da solução nutritiva, além da integração de comunicação e armazenamento de dados. Os resultados experimentais indicam que o controlador foi capaz de estabilizar a condutividade elétrica em aproximadamente 60 minutos, com erro médio absoluto de 31,5 µS cm⁻¹, assegurando uniformidade após cada ciclo de dosagem. A calibração periódica garantiu leituras consistentes, com desvio máximo de 6,5% (CE) em relação a medidores de referência. O sistema demonstrou robustez na comunicação via MQTT, mantendo reconexão automática em situações de instabilidade de rede e registro contínuo de dados que permite análises históricas e manutenção preditiva. Conclui-se que o HIdroT-UC representa uma contribuição significativa para a automação de cultivos hidropônicos, ao aliar controle de condutividade elétrica e integração com plataformas de análise de dados, além de reduzir lacunas identificadas na literatura, mostrando-se escalável e preparado para evoluir em direção à integração com algoritmos de aprendizado de máquina e sistemas baseados em ontologia, reforçando seu potencial de aplicabilidade em cenários reais e sustentáveis. Embora o sistema permita o monitoramento de múltiplas variáveis, o escopo experimental deste trabalho concentra-se no controle automático da condutividade elétrica, sendo as demais variáveis tratadas como suporte operacional e base para expansões futuras.

This paper presents the development of a prototype controller for hydroponic cultivation, called HidroT-UC, applied to the control and monitoring of critical variables in vegetable production. The solution incorporates contemporary Internet of Things (IoT) concepts, including distributed architecture, MQTT protocol, chemical parameter sensing, and integration with a temporal database (InfluxDB) and visual dashboard. Prior to implementation, a brief contextualization of hydroponic systems is provided, with an emphasis on the laminar nutrient flow (NFT) technique, highlighting the materials used, management practices, sustainability, and environmental impact. The methodology includes the specification of pH and electrical conductivity (EC) sensors, calibration, implementation of PID control, and nutrient solution homogenization strategies, in addition to the integration of communication and data storage. Experimental results indicate that the controller was able to stabilize electrical conductivity in approximately 60 minutes, with a mean absolute error of 31.5 µS cm⁻¹, ensuring uniformity after each dosing cycle. Periodic calibration ensured consistent readings, with a maximum deviation of 6.5% (EC) compared to reference meters. The system demonstrated robust communication by MQTT protocol, maintaining automatic reconnection in situations of network instability and continuous data logging, enabling historical analysis and predictive maintenance It is concluded that HidroT-UC represents a significant contribution to the automation of hydroponic crops, combining electrical conductivity control and integration with data analysis platforms. Furthermore, it reduces gaps indicated in the literature, proving to be scalable and prepared to evolve towards integration with machine learning algorithms and ontology-based systems, reinforcing its potential applicability in real and sustainable scenarios. Although the system allows the monitoring of multiple variables, the experimental scope of this work focuses on the automatic control of electrical conductivity, with the other variables treated as operational support and a basis for future expansions.