Sensor Based Aquaponics Fish Pond Datasets

**Original Owners:**
Dr Collins N. Udanor - Principal Investigator
Dr Nelson Ike Osai - Principal Collaborator
Dr Ozoadibe Elvis Emeka - Finance and Control Officer
Dr Blessing Ogbuokiri - Programmer & Data Management Specialist
Nweke Onyinye Edith - IoT Specialist
Dr Ugwuishiwu Chikodili - Member
Dr Ezugwu Assumpta - Member
Aneke Stephen - Member
Aru Christiana - Member

Click [here ](https://aquaponics.hipiclab.org/team/) for more details

**Location:**
An Internet of Things Labelled Dataset for Aquaponics Fish Pond Water Quality Monitoring System,
HiPIC Research Group, Department of Computer Science, University of Nigeria Nsukka, Nigeria
Click [here ](http://aquaponics.hipiclab.org/) for more details

**Contact:**
Collins Udanor, email: [e-mail]
Blessing Oguokiri, email: [e-mail]

**Dataset Information:**
Aquaponics meta-data
The enclosed datasets are generated from freshwater aquaponics catfish ponds. The datasets are generated automatically at 5 seconds intervals using the following water quality sensors driven by the ESP 32 microcontroller: Dallas Instrument Temperature sensor (DS18B20), DF Robot Turbidity sensor, DF Robot Dissolved Oxygen sensor, DF Robot pH sensor V2.2, MQ-137 Ammonia sensor, and MQ-135 Nitrate sensor.
The project is funded by the Lacuna Award for Agriculture in Sub-Saharan Africa 2020 under the management of the Meridian Institute Colorado, USA.
The datasets and results in this section were sensor readings from June to mid-October 2021. There are 12 datasets, each from 12 aquaponics catfish ponds. Each of the 12 ponds IoT unit has six sensors (temperature, turbidity, dissolved oxygen, pH, ammonia, nitrate). As of the time of this report each unit has generated over 170,000 instances. The datasets are downloaded at intervals, cleaned, and labelled.

**The attributes are:**
1) Date/Time
2) Temperature
3) Turbidity
4) Dissolved Oxygen (DO)
5) pH
6) Ammonia
7) Nitrate
8) Population of fish in the pond
9)Length of Fish
10) Weight of Fish

**Attribute Information:**
All attributes are continuous

No statistics available, but suggest to standardise variables for certain uses (e.g. for use with classifiers that are NOT scale-invariant)

NOTE: Attributes 9 and 10 are class identifiers that can be used differently. For example, one may need to predict the length of the fish using the water quality parameters (2-7) or in addition to the population or stocking density (parameter 8). Similarly, the same can be done using the weight attribute.

Click to view [dataset and visualization](https://aquaponics.hipiclab.org/dataset/) on our website for more information.

原始所有权归属：

柯林斯·N·乌丹诺博士 - 主要研究员

内森尔·伊克·奥萨伊博士 - 主要合作者

奥兹瓦迪贝·伊丽莎白·埃梅卡博士 - 财务与控制官员

祝福·奥古奥基里博士 - 程序员与数据管理专家

尼维凯·奥尼尼耶·伊迪丝女士 - 物联网专家

乌古伊什乌·奇科迪利博士 - 成员

埃祖古·阿苏姆普塔博士 - 成员

阿内克·斯蒂芬先生 - 成员

阿鲁·克里斯蒂安娜女士 - 成员

更多信息请点击[此处](https://aquaponics.hipiclab.org/team/)

**地理位置：**

基于物联网的淡水鱼塘水质监测系统标签数据集，HiPIC 研究小组，尼日利亚恩苏卡大学计算机科学系，尼日利亚

更多信息请点击[此处](http://aquaponics.hipiclab.org/)

**联系方式：**

柯林斯·乌丹诺，邮箱：[e-mail]

祝福·奥古奥基里，邮箱：[e-mail]

**数据集信息：**

水耕养殖元数据

所附数据集由淡水水耕养殖鲈鱼池塘生成。数据集由 ESP 32 微控制器驱动的以下水质传感器自动以5秒间隔生成：达拉斯仪表温度传感器（DS18B20）、DF Robot 浊度传感器、DF Robot 溶解氧传感器、DF Robot pH 传感器 V2.2、MQ-137 氨传感器和 MQ-135 硝酸盐传感器。

该项目由美国科罗拉多州梅里迪安研究所管理的撒哈拉以南非洲2020年Lacuna农业奖资助。

本节中的数据集和结果为2021年6月至10月中旬的传感器读数。共有12个数据集，每个数据集来自12个水耕养殖鲈鱼池塘。12个池塘的物联网单元每个都配备了六个传感器（温度、浊度、溶解氧、pH、氨、硝酸盐）。截至本报告时间，每个单元已生成超过170,000个实例。数据集是分批下载、清洗和标注的。

**属性如下：**

1) 日期/时间

2) 温度

3) 浊度

4) 溶解氧（DO）

5) pH

6) 氨

7) 硝酸盐

8) 池塘中鱼的种群数量

9) 鱼的长度

10) 鱼的重量

**属性信息：**

所有属性均为连续属性

未提供统计数据，但建议对某些用途（例如，用于非尺度不变的分类器）标准化变量。

注：属性9和10是类别标识符，可以不同方式使用。例如，可能需要使用水质参数（2-7）来预测鱼的长度，或者结合种群或放养密度（参数8）一起预测。类似地，也可以使用重量属性进行相同的操作。

点击[此处](https://aquaponics.hipiclab.org/dataset/)查看我们的网站上的数据集和可视化信息，获取更多信息。