Wiznet makers

Project Overview (EN)

Predicting Aquatic Environment for Fish Species Survival Using IoT and ML
This project is a smart aquaculture monitoring system that collects real-time water quality data
(pH, temperature, turbidity) using IoT sensors and applies machine learning models to:

Predict the most suitable fish species for the current aquatic environment

Recommend optimal water conditions for a selected fish species

The system uses Arduino Uno with Ethernet-based communication for stable data transmission
and provides a web dashboard for real-time visualization and prediction.

Core Hardware Components (EN)

Key Features (EN)

• Real-time water quality monitoring
• ML-based fish species and environment prediction
• Web-based visualization dashboard
• Expandable dataset through continuous data storage

Why W5500 Ethernet? (EN)

This project adopts WIZnet W5500 Ethernet communication instead of Wi-Fi
to ensure reliability in real-world aquaculture environments.

Key Technical Advantages

1.High Network Stability

• No Wi-Fi interference or signal loss
• Suitable for long-term continuous operation

2.Low Latency

• Reliable 1-second interval sensor data transmission
• Fast ML prediction response

3.Low MCU Overhead

• Hardware TCP/IP offloading by W5500
• Efficient operation even on Arduino Uno

4.Industrial Compatibility

• Ideal for farms, factories, and wired infrastructure

Applications (EN)

1. Smart Aquaculture Farms

• Early detection of unsuitable water conditions
• Improved survival rates through fish species recommendation

2. Small and Medium-Scale Fish Farms

• Low-cost implementation without complex infrastructure
• User-friendly web dashboard for real-time monitoring

3. Education & Research Platform

• End-to-end learning of IoT, networking, and machine learning
• Practical experience from data collection to ML deployment

4. Scalable Environmental IoT Solutions

• Expandable to feeding automation, oxygen control, and alert systems
• Applicable beyond aquaculture to general environmental monitoring

Summary (EN)

This project demonstrates a smart aquaculture management system
that uses WIZnet W5500-based Ethernet communication to reliably collect real-time water quality data and applies machine learning to predict fish species suitability and optimal aquatic conditions.

The system completes the full pipeline—from IoT hardware and networking
to backend services, ML inference, and web visualization—
resulting in a low-cost, stable, and field-ready IoT solution.

Beyond an academic capstone project, it serves as a practical example of
industrial-grade IoT combined with machine learning,
highlighting the strengths of WIZnet Ethernet solutions in real-world applications.

프로젝트 개요 (KR)

 머신러닝을 활용한 스마트 양식 관리 시스템

프로젝트 배경 

현재 양식 산업에서는 수질 관리가 어류 생존과 생산성에 가장 중요한 요소입니다.
하지만 기존 방식은 사람이 직접 측정하고 판단해야 하기 때문에 시간이 많이 들고, 실수 가능성도 높습니다.

이 프로젝트는 이런 문제를 해결하기 위해 IoT 센서로 수질을 자동 수집하고, 머신러닝으로 어종 생존 가능성을 예측하는 것을 목표로 했습니다.

즉,사람의 경험에 의존하던 판단을 데이터 기반으로 바꾸는 것이이 프로젝트의 출발점입니다.

Predicting Aquatic Environment for Fish Species Survival Using IoT and ML
본 프로젝트는 pH, 수온, 탁도 센서를 통해 수질 데이터를 실시간으로 수집하고,
머신러닝 모델을 활용하여 해당 환경에 가장 적합한 어종 또는
특정 어종에 필요한 최적 수질 조건을 예측하는 스마트 양식 관리 시스템입니다.

Arduino를 통해 수집된 센서 데이터를 Ethernet 네트워크를 통해 서버로 전송, 데이터 베이스에 저장하여 실시간 예측과 동시에 향후 학습 데이터로 활용합니다. 

Arduino Uno와 Ethernet 기반 네트워크를 사용하여 안정적인 실시간 데이터 전송을 구현했으며,
웹 대시보드를 통해 수질 모니터링과 예측 결과를 직관적으로 확인할 수 있습니다.

핵심 하드웨어 구성

구성 요소	역할
Arduino Uno	센서 데이터 수집 및 제어
WIZnet Ethernet Shield (W5500)	안정적인 유선 네트워크 통신
pH 센서	수질 산도 측정
온도 센서	수온 측정
탁도 센서	수질 탁도 측정
LCD	현장 수질 값 표시

 

프로젝트 전체 동작 흐름

데이터 수집 → 머신러닝 학습 → 모델 배포 → 실시간 예측 → 웹 시각화

1.데이터 수집

•  ‘Realtime Pond Water Dataset for Fish Farming’ 데이터셋을 사용 (pH, 수온, 탁도, 예측 물고기로 구성된 데이터셋)
• IoT 하드웨어에서 들어오는 실시간 센서 데이터

2. 데이터 전처리, 머신러닝 모델 학습

• Decision Tree
• Random Forest
• KNN
• SVM
• Gaussian Naive Bayes

와 같은 여러 모델을 학습

3. 학습된 모델 평가 -> Decision Tree 모델 채택

4. IoT Hardware & Backend 연동

Arduino를 통해 수집된 센서 데이터를 Ethernet 네트워크를 통해 서버로 전송, 데이터 베이스에 저장하여 실시간 예측과 동시에 향후 학습 데이터로 활용

5. Web UI 출력 

웹 대시보드를 통해 사용자는

• 실시간 수질 값 확인
• 수질 기반 어종 예측
• 어종 기반 최적 환경 예측
• 그래프 형태의 시각화

를 한 화면에서 확인할 수 있습니다.

 

시스템 기능 요약 (KR)

• 실시간 수질 데이터 수집 및 서버 전송
• ML 기반 어종 예측 및 최적 환경 추천
• 웹 대시보드를 통한 시각화
• 데이터베이스 저장을 통한 향후 데이터 확장 가능

왜 Ethernet(W5500)을 선택했는가? (KR)

이 프로젝트는 양식장 환경을 고려하여 Wi-Fi 대신
WIZnet W5500 기반 Ethernet 통신을 채택했습니다.

기술적 포인트

1.네트워크 안정성

• Wi-Fi 간섭, 신호 약화 문제 없음
• 장시간 연속 운용에 적합

2. 실시간성

• 센서 데이터가 1초 단위로 서버에 안정적으로 도달
• ML 예측 결과 지연 최소화

3. MCU 부하 감소

• W5500의 하드웨어 TCP/IP 오프로드
• Arduino Uno에서도 충분한 성능 확보

4. 산업 환경 친화성

• 실제 양식장, 공장, 펌프실 등 유선 네트워크 환경과 잘 맞음

활용 분야 (KR)

1. 스마트 양식장 (Smart Aquaculture)

• 실시간 수질 모니터링을 통해 어종 폐사 위험 사전 감지
• 환경 변화에 따른 적합 어종 추천으로 생산 안정성 향상

2. 소규모·중소 양식 농가

• 고가 장비 없이 저비용 IoT + Ethernet 기반 시스템 구축 가능
• 현장 중심의 직관적인 웹 대시보드 제공

3. 교육 및 연구용 플랫폼

• IoT, 네트워크, 머신러닝을 하나의 프로젝트로 통합 학습
• 데이터 수집 → 전처리 → 모델 학습 → 서비스까지 전 과정 실습 가능

4. 농업·환경 IoT 확장 모델

• 어종 예측 → 산소 제어, 급이 자동화, 수질 경보 시스템으로 확장 가능
• 수산업 외 농업·환경 모니터링 분야에도 응용 가능

최종 요약 (KR)

본 프로젝트는 WIZnet W5500 기반 Ethernet 통신을 활용하여
양식 환경의 수질 데이터를 안정적으로 수집하고,
머신러닝 모델을 통해 어종 생존 가능성과 최적 환경 조건을 예측하는
스마트 양식 관리 시스템입니다.

IoT 하드웨어, 네트워크, 백엔드 서버, 머신러닝, 웹 대시보드까지
전체 파이프라인을 완성했으며,
실제 양식 환경에 적용 가능한 현장 중심·저비용·고신뢰성 구조를 갖춘 것이 특징입니다.

이 프로젝트는 교육용 캡스톤을 넘어
산업형 IoT + Edge/Server ML 시스템의 현실적인 구현 사례로서
WIZnet Ethernet 솔루션의 장점을 잘 보여줍니다.