自动化农业大棚系统-物联网工程(人工智能)源码+LW文档
技术微信:375279829
本课题包括源程序、数据库、论文、运行软件、运行教程
毕业设计资料-计算机毕业设计源码网:我们提供的源码通过邮箱或者QQ微信传送,如果有啥问题直接联系客服
包在您电脑上运行成功
语言:
数据库:
框架:
课题相关技术、功能详情请联系技术
作品描述
摘要
针对小型温室大棚在生产过程中环境参数分散、人工巡检滞后、病虫害发现不及时等问题,本文设计并实现了一套基于STM32F103C8T6微控制器的自动化农业大棚监测与控制系统。系统由主控单元、多参数传感采集单元、视觉识别单元、执行机构、无线通信单元和电源单元构成。采集部分使用DHT22、光敏电阻、土壤湿度电极、JW01与MQ-2五类传感器,分别获取空气温湿度、光照强度、土壤含水量、二氧化碳浓度与烟雾浓度;识别部分使用K210视觉模块,对蝗虫、甲虫、毛虫三类常见害虫进行识别;执行部分由LED补光灯、水泵、风扇与蓝色LED模拟制冷装置组成,经继电器驱动;通信部分由ESP8266模组通过巴法云TCP协议与手机APP互联。软件采用前后台架构,通过定时采集、阈值比较、状态机决策与串口帧解析协调各模块,实现自动灌溉、通风、补光、降温与烟雾报警,并支持按键阈值设定与手动远程控制。测试结果表明,各环境参数采集误差在合理范围内,害虫识别在小样本条件下准确率较高,执行动作响应及时,远程数据刷新与报警推送稳定,达到了预期设计目标。
关键词:STM32;农业大棚;K210;环境监测;巴法云
1 绪论
1.1 研究背景与意义
设施农业是提高单位面积产出、缓解季节限制的重要生产方式。小型大棚在乡镇与城郊种植中应用广泛,其管理长期依赖种植者凭经验观察,存在两方面不足。一方面,棚内温度、湿度、土壤含水量与二氧化碳浓度随时间变化明显,人工巡检难以做到连续记录,灌溉与通风往往滞后于作物需求,容易造成土壤过湿烂根或过干抑制生长。另一方面,虫害早期数量少、个体小,肉眼不易发现,等叶片出现明显损伤时往往已经形成较大面积危害。把环境传感、自动控制与视觉识别结合到一套低成本终端上,可以在有限投入下改善这一状况。
从物联网工程与人工智能交叉的角度看,本系统具备较完整的层次结构。感知层由五类传感器与摄像头承担,负责把物理量转换为电信号;控制层由微控制器完成数据融合、阈值判断与执行器驱动;网络层由无线模组与云平台构成,负责数据上行与指令下行;应用层由手机APP呈现数据并接受操作。视觉识别部分把轻量神经网络部署到嵌入式设备上,使虫情判断不再依赖人工,体现了人工智能技术在农业场景中的落地方式。系统设计涉及多传感器时序、模拟量精度、继电器干扰抑制与串口协议解析等工程问题,具备较强的综合训练价值。
1.2 国内外研究现状
国外设施农业的自动化程度较高,常见方案以环境控制计算机为核心,配套多点温湿度、二氧化碳与光照传感器,结合水肥一体化设备形成闭环控制,部分系统已引入图像识别进行生长状态评估。这类系统的特点是精度高、集成度高,但成本较高,对网络与维护条件要求较多。国内近年出现了大量基于单片机与无线模组的轻量方案,多采用DHT系列温湿度传感器、土壤湿度电极与继电器驱动水泵风扇,通过WiFi或窄带通信上传数据,成本低、部署灵活。相关研究中,环境采集与执行控制的技术路线较为成熟,而虫害识别多数仍停留在云端图像识别阶段,需要把图片上传至服务器处理,时延较大且依赖网络。将K210这类具备本地推理能力的视觉模块引入大棚终端,在设备端直接完成害虫分类,可以减少对网络的依赖,是本文着力实现的方向。此外,多数现有方案把自动控制与阈值设定分离,用户难以在现场调整报警门限,本文在面板上提供按键设定功能,使系统在脱网状态下仍可独立工作。
1.3 主要研究内容与章节安排
本文围绕方案选型、硬件连接、软件流程与系统测试四方面展开。第1章说明背景与现状;第2章分析功能与非功能需求;第3章给出总体架构与器件选型依据;第4章阐述各传感器与执行器的接口设计;第5章介绍采集、识别、控制与通信的软件实现;第6章给出测试结果;第7章总结并指出改进方向。
2 系统需求分析
2.1 功能需求
系统服务于小型大棚的日常管理,功能可归纳为五类。第一类是多参数采集,需连续获取空气温度、空气湿度、光照强度、土壤含水率、二氧化碳浓度与烟雾浓度六项数据,并以固定周期刷新。第二类是虫情识别,需对蝗虫、甲虫、毛虫三类害虫给出识别结论并显示。第三类是本地显示,OLED屏需同时呈现六项环境数值、识别结果与当前工作模式,便于现场查看。第四类是阈值设定,用户可通过四个按键分别调整温度、湿度、光照、土壤含水率与二氧化碳浓度的报警门限。第五类是自动与手动控制,自动模式下按门限驱动水泵、风扇、补光灯与制冷装置,检测到烟雾时立即声光报警;手动模式下可由按键或APP直接开关四路执行器。此外,系统需经WiFi把数据与控制结果上传至云平台,APP可远程查看全部参数与虫情结果,可远程开关执行器,并在烟雾超标时收到通知。
2.2 非功能需求
采集精度方面,温度误差宜控制在正负零点五摄氏度以内,湿度误差控制在正负百分之三以内,土壤含水率以相对百分比表示即可满足灌溉判断,二氧化碳在常用量程内误差不宜超过百分之五。响应性能方面,烟雾报警从检出到蜂鸣器鸣响的延迟应小于一秒,自动灌溉与通风的启动延迟应小于三秒,APP指令下发到执行动作应小于两秒。可靠性方面,系统需容忍WiFi短时中断并自动重连,传感器偶发读数异常时不应引发误动作,可采用连续多次确认的方式过滤。易用性方面,界面数值应分区排列,单位标注清楚,阈值设定过程需有明确提示。成本与供电方面,整机采用Type-C 5V供电并设自锁开关,模块选型以常见易采购为原则。
3 系统总体设计
3.1 总体架构
系统以STM32F103C8T6为唯一控制核心,采用主从式结构。向下通过单总线连接DHT22,通过ADC采集光敏电阻、土壤湿度电极与MQ-2的模拟电压,通过串口读取JW01的二氧化碳数据,通过另一路串口接收K210输出的识别结果;通过GPIO驱动OLED显示、四个按键、蜂鸣器与指示灯;通过继电器控制四路执行器;通过第三路串口与ESP8266通信,再由模组与巴法云建立TCP长连接。模块职责划分明确:传感器只负责把物理量转为电信号,主控负责滤波、换算与判断,执行器只接受开关量,云平台与APP只承担数据中转与呈现。这样的划分使任一环节出现故障时影响范围可控,也便于后续替换单点器件。
3.2 器件选型依据
主控选用STM32F103C8T6,内核为Cortex-M3,主频72MHz,具备64KB Flash与20KB SRAM,片上集成三路USART、多路12位ADC与多个定时器,可同时满足三路串口通信、四路模拟采集与周期性任务调度的需求,且开发资料完备。
温湿度采集选用DHT22。该器件为单总线数字输出,温度量程覆盖零下四十至八十摄氏度,湿度量程覆盖百分之零至百分之百,出厂已校准,无需外部调理电路,适合棚内环境的连续监测。
光照采集选用光敏电阻配合分压电路。光敏电阻阻值随照度升高而下降,接入分压后由ADC读取电压,再经换算得到相对照度,用于判断是否需要补光。该方案成本极低,虽绝对精度有限,但对补光判断已足够。
土壤含水率采集选用电阻式土壤湿度电极。电极埋入土中后,含水量越高导电性越强,分压电压随之变化,由ADC采集后换算为相对含水率百分比。为防止电极长期通电造成极化与腐蚀,采用间歇供电方式,仅在采集瞬间给电。
二氧化碳采集选用JW01模块。该模块通过串口输出浓度值,量程覆盖常用农业场景,免去自行设计红外光路的需要,读数稳定且便于主控直接解析。
烟雾采集选用MQ-2气敏传感器。该器件对可燃气体与烟雾敏感,输出模拟电压,适合作为火灾早期预警手段。由于气敏元件存在预热与漂移特性,软件上需在上电后预留预热时间,并采用滑动平均抑制波动。
视觉识别选用K210模块。该芯片内置神经网络加速单元,可在本地运行轻量卷积网络完成图像分类,支持摄像头直连与串口输出,功耗与成本均适合嵌入式部署,避免了把图像上传云端带来的时延与流量开销。
通信选用ESP8266模组。该模组支持802.11b/g/n并内置TCP/IP协议栈,可通过AT指令配置联网与建立TCP连接,与巴法云的TCP接入方式契合。
显示选用零点九六英寸OLED屏,驱动芯片为SSD1306,I2C接口,128×64点阵,自发光适合棚内强光环境阅读。
3.3 软件总体结构
软件不引入操作系统,采用前后台架构。主循环按不同周期调度采集任务、识别结果读取、按键扫描、显示刷新、控制决策与云端上报;串口接收在中断中写入环形缓冲区,由主循环按帧解析,避免中断内做耗时处理。系统维护一个统一的运行时结构体,保存六项环境数值、四路执行器状态、当前模式、五组阈值与虫情结果。任何一路输入改变该结构体后置位对应标志,由显示任务与上报任务分别消费,从而保证本地界面、执行动作与云端数据保持一致。
4 硬件设计与实现
4.1 主控与电源电路
主控最小系统包含供电、复位、时钟与调试接口。Type-C接口输入5V,经自锁开关后分两路:一路供继电器线圈与执行器侧使用,另一路经低压差稳压器降至3.3V供主控与各数字模块使用。复位电路由十千欧上拉电阻与一百纳法电容组成,低电平复位。外部八兆赫兹晶振经内部倍频至七十二兆赫兹,为串口波特率与定时器提供基准。调试接口采用两线SWD方式,便于反复下载。电源入口与各芯片电源脚附近均布置去耦电容,减少继电器吸合瞬间造成的电压跌落。
4.2 传感器接口电路
DHT22数据脚接主控GPIO并加四七千欧上拉,通信采用单总线时序,主控发送起始信号后读取四十位数据,含湿度整数与小数、温度整数与小数及校验字节,校验失败即丢弃本次读数。光敏电阻与固定电阻串联分压,中点接ADC通道,阻值选择使棚内常见照度落在量程中段。土壤湿度电极经分压后接另一ADC通道,供电由GPIO控制,仅在采集时导通约十毫秒。MQ-2输出接ADC通道,其加热丝由5V供电,上电后需预热数分钟读数才趋于稳定。JW01通过串口与主控相连,模块周期性输出浓度数据帧,主控按帧头帧尾解析。五路采集在时间上错开,避免ADC通道切换时的串扰。
4.3 K210视觉识别电路
K210模块通过串口与主控通信,其摄像头固定于棚内立柱,镜头朝向作物行间,配遮光罩减少逆光影响。模块完成一次识别后以固定格式输出类别编号与置信度,主控据此更新虫情结果并显示。K210与主控供电分开滤波,避免摄像头工作时的大电流波动影响ADC精度。为提升现场可用性,模块预留补光接口,在照度不足时由主控点亮补光灯辅助成像。
4.4 执行器与报警电路
四路执行器分别为LED补光灯、水泵、风扇与蓝色LED模拟制冷装置,均由主控GPIO经三极管驱动继电器线圈,继电器触点控制各自负载回路,线圈两端反并二极管吸收反电动势。水泵与风扇属感性负载,在触点两端并联阻容吸收网络抑制拉弧。蜂鸣器由另一GPIO经三极管驱动,用于烟雾报警与操作提示;LED指示灯以不同状态表示联网成功、采集正常与报警。所有继电器与负载回路与主控地分开走线,功率地与信号地单点连接,减少干扰。
4.5 WiFi通信电路
ESP8266模组单独由3.3V稳压支路供电,电源脚并联一百微法与零点一微法电容,避免与主控共用电源导致复位。模组串口与主控交叉连接,使能脚上拉。模组天线区域在面板上避开金属件,保证信号强度。
5 软件设计与实现
5.1 主程序流程与任务调度
上电后依次完成时钟配置、GPIO与串口初始化、ADC初始化、OLED初始化与开机界面显示,随后初始化各传感器与K210、ESP8266,读取上次保存的阈值参数,再进入主循环。主循环按节拍运行:每两秒采集一次环境参数,每一秒读取一次K210识别结果,每二十毫秒扫描按键,每两百毫秒刷新显示,每五秒向云端上报一次数据,每两秒发送心跳维持连接。采集与决策分离,采集只更新数值,决策在同一次循环末尾统一执行,避免同一周期内多次动作造成执行器抖动。
5.2 环境数据采集与处理
温度与湿度由DHT22读取,若校验失败则沿用上次有效值并累加失败计数,连续三次失败才在界面提示传感器异常。光照与土壤湿度、烟雾浓度由ADC采样,每次连续采样八次并去掉最大最小值后取平均,再按标定系数换算为相对照度、含水率百分比与烟雾相对浓度。二氧化碳由JW01串口数据解析得到。烟雾判断采用两级确认:读数超过门限并持续两秒才触发报警,防止瞬时干扰误报。所有数值在结构体中保留整数与一位小数两种表示,显示时按单位取舍,上报时使用统一格式。
5.3 阈值设定功能
四个按键定义为模式键、加键、减键与确认键。长按模式键进入设置界面,界面按顺序列出温度上限、湿度上下限、光照下限、土壤含水率下限与二氧化碳上限五个可调项,加键与减键调整当前项数值,确认键保存并退出。保存的阈值写入主控Flash的预留区域,掉电不丢失。设置过程中自动控制暂停,避免用户调节时执行器频繁动作;退出后恢复。为防误操作,设置状态下若三十秒无按键动作则自动放弃修改并返回主界面。
5.4 自动控制逻辑
自动模式下,主控按周期比对数值与阈值。土壤含水率低于设定下限并持续一定时间后开启水泵,达到上限后关闭,中间设置回差避免临界点反复启停。二氧化碳浓度超过上限时开启风扇通风,降至设定值的九成后关闭。温度超过上限时开启蓝色LED模拟制冷装置,同时在照度不足时开启补光灯,照度达到下限后关闭。烟雾浓度触发报警时,蜂鸣器持续鸣响,界面闪烁提示,风扇强制开启排烟,并把报警状态置入上报队列优先推送。所有执行器动作均带最小运行间隔限制,防止短时间内频繁通断损伤触点。手动模式下自动逻辑暂停,四路执行器只接受按键或云端指令。
5.5 害虫识别结果处理
K210每完成一次识别即通过串口输出结果帧,主控按帧头识别类别编号与置信度。为避免误检造成频繁跳变,主控对同一类别采用连续三次一致才确认的策略,并在确认后记录一次计数,供APP查看虫情趋势。识别结果在OLED屏固定位置显示,若置信度低于设定下限则显示未识别。主控在收到结果后短暂屏蔽语音与报警提示,避免同一事件重复提示造成干扰。
5.6 WiFi联网与巴法云通信
ESP8266通过AT指令配置为STA模式,连接路由器后与巴法云服务器建立TCP长连接,设备标识作为主题名。连接流程依次为入网获取地址、建立TCP连接、发送订阅与在线报文。联网成功后指示灯常亮,主循环定时发送心跳防止连接被回收。上行报文包含设备标识、六项环境数值、四路执行器状态、当前模式与虫情结果,字段以固定分隔符区分;下行报文为控制指令,主控解析出动作类型与目标后调用与按键相同的执行函数。由于TCP为字节流,程序以分隔符与帧尾切分完整报文,并对缓冲长度设限,超长或残缺帧直接丢弃。连续解析失败时主动断开并重连,重连采用逐次延长间隔的方式,避免频繁重试占用资源。
5.7 手机APP功能实现
APP分为监视区、控制区与报警区。监视区以卡片形式显示空气温湿度、光照、土壤含水率、二氧化碳与烟雾浓度的当前值,并显示最近一次虫情识别结果与时间。控制区提供补光灯、水泵、风扇与制冷装置四个开关,点击后向对应主题发布控制报文,界面以设备回传状态为准,避免显示与实际不符。报警区在收到烟雾超标报文时置顶提示并保留记录,用户可手动清除。APP进入前台时主动请求一次全量数据,设备离线时各卡片置灰并提示。
6 系统测试与结果分析
测试分为单模块验证与整体联调两阶段。单模块阶段逐个确认接口通路:DHT22连续读取并与标准温度计比对,室温条件下偏差在零点四摄氏度以内,湿度偏差在百分之三以内;光敏电阻遮挡与强照条件下电压变化明显,换算后的相对照度能正确触发补光判断;土壤电极在干燥与浸水两种状态下读数差异显著,切换时间满足间歇供电要求;JW01读数在密闭小空间内随呼吸升高,趋势合理;MQ-2在打火机气体靠近时读数迅速上升,预热完成后基线稳定。
整体联调阶段按功能清单逐项验证。自动灌溉测试中人为使土壤含水率低于阈值,水泵在数秒内启动,含水率回升至上限后停止,未出现临界点抖动。通风与降温测试通过提高二氧化碳浓度与遮挡散热模拟,风扇与制冷装置按预期启停。烟雾报警测试中释放少量烟雾,蜂鸣器在一秒内鸣响,APP在数秒内收到报警提示,风扇同步开启。阈值设定测试逐项修改并断电重启,参数保持有效。K210识别测试使用三类害虫样本图片与实物模型在棚内光照条件下拍摄,每类测试若干次,在样本清晰、背景简洁时识别正确率较高,遮挡与远距离条件下存在漏检,通过调整安装高度与增加补光后改善。远程控制测试在家庭网络下进行,从APP点击到执行器动作的时延在一至两秒,数据刷新及时,人为断开路由器后系统在十余秒内完成重连并恢复上报。
测试中暴露的问题及处理如下:继电器吸合瞬间ADC读数出现跳变,通过把采集时刻与动作时刻错开并增加滤波窗口解决;土壤电极长期通电后读数漂移,改为间歇供电后稳定;K210在逆光条件下误识偏多,加遮光罩并利用补光后改善;APP短时间内连续下发指令时执行器出现争抢,通过在主控侧加动作互斥标志解决。总体来看,系统各项指标满足需求分析中提出的要求。
7 结论
本文完成了基于STM32F103C8T6的自动化农业大棚系统的设计与实现。硬件以主控为核心,通过单总线、模拟采集与串口三种方式接入五类环境传感器与视觉识别模块,经继电器驱动四路执行器,配合OLED、按键、蜂鸣器构成完整的人机交互与报警链路,并由ESP8266经巴法云与手机APP互联。软件采用前后台架构与统一运行时状态管理,将本地按键、云端指令与自动决策三路输入归一为同一套动作执行逻辑,配合回差判断、连续确认与动作互斥等策略,实现了环境监测、虫情识别、阈值设定、自动灌溉通风补光降温、烟雾报警与远程监视控制等功能。
系统仍有改进空间。视觉部分受样本数量与现场光照影响较大,后续可扩充样本并采用更轻量的检测网络提升小目标识别能力;传感部分缺少标定流程,绝对精度依赖器件一致性,可增加一键标定功能;控制策略目前为单点阈值判断,后续可引入分段控制与预测灌溉,减少无效动作。整体方案成本可控、结构清晰,对小型大棚的自动化改造具有一定参考价值。
参考文献
[1] 意法半导体. STM32F103xx参考手册[Z]. 2015.
[2] 奥松电子. DHT22温湿度传感器数据手册[Z]. 2018.
[3] 勘智. K210开发与应用指南[M]. 北京: 电子工业出版社, 2021.
[4] 乐鑫信息科技. ESP8266 AT指令集[Z]. 2019.
[5] 李国强, 王敏. 基于STM32的温室环境监测系统设计[J]. 农业工程学报, 2020, 36(增刊): 112-116.
[6] 陈晓东. 物联网技术在设施农业中的应用研究[J]. 物联网技术, 2022, 12(6): 52-55.
[7] 周立, 张华. 嵌入式视觉在农业虫害识别中的应用进展[J]. 农业机械学报, 2021, 52(9): 1-12.
如需定做或者获取更多资料,请联系QQ:375279829