基于AIoT的小米椒植株长势监测系统

摘 要：基于AIoT的小米椒植株长势监测系统融合了人工智能技术与物联网技术，以 STM32F407单片机作为控制核心，外接多种传感器实现对小米椒植株生长环境信息的测量与基于OpenCV的图像信息采集；再结合先进深度智能算法，对图像进行分析处理和特征提取。最后通过无线通信技术将采集到的数据同步上传至物联网云平台或微信小程序进行统计分析与存储，并结合小米椒生长发育数据判断小米椒植株最适宜的生长环境，提示种植者对温室大棚环境进行控制调节，实现精细化管理，使小米椒植株向更好的方向生长。

关键词：数据采集；物联网；无线通信技术；可视化管理；长势监测；OpenCV；AIoT

中图分类号：TP368.1 文献标识码：A 文章编号：2095-1302（2024）05-00-03

0 引 言

目前，部分地区农业技术相对落后，农业监测主要依靠人工进行，不仅效率低下，还增加了产业成本和人力物力的损耗[1]，难以响应国务院印发的《“十四五”全国农业农村信息化发展规划》中“推动现代信息技术与农村农业各领域各环节深度融合，推进智慧农业和数字乡村建设”的要求[2]。鉴于此，本文融合先进的人工智能与物联网技术，设计开发基于AIoT的小米椒植株长势监测系统。该系统在小米椒植株生长过程中实现智能化自动监测、数据信息采集[3]和可视化管理，在大幅度降低生产成本、提高效率的同时使种植户获得最大的收益，推动智慧农业的高速发展。

1 系统总体方案

基于AIoT的小米椒植株长势监测系统选用STM32F407单片机作为数据采集和控制核心，外接摄像头、湿度传感器、温度传感器、CO2浓度传感器和光照强度传感器等模块，实现小米椒植株图像的捕获和各种与小米椒植株生长有关的环境参数的测量。系统总体设计如图1所示。

系统工作流程如图2所示。在系统实现过程中，高清摄像头每隔2～3天会定时从多角度捕获小米椒植株的图像，通过OpenCV模块对植物图像进行处理分析和特征值的提取[3]；同时利用4个相应的传感器实时对湿度、温度、CO2浓度、光照强度等环境参数进行测量；并通过STM32F407单片机实现环境参数和小米椒植株图像数据的采集。最后，通过无线通信技术将采集到的数据同步上传至阿里云物联网平台及微信小程序的后台，进行数据统计、分析与存储，实现云端的可视化管理[4]。种植者可随时随地查看和管理相应数据，同时根据温室小米椒植株的生长发育规律，得出小米椒植株生长最好时的温度、湿度、CO2浓度、光照强度，然后提醒种植者对大棚内风机、内外遮阳、喷灌滴灌等设施进行控制调节，从而实现小米椒植株生长环境的准确调控，使小米椒植株向更好的方向生长。

2 系统的硬件和软件设计

2.1 系统硬件设计

2.1.1 主控核心开发板

系统的主控核心和采集核心选择高性能的STM32F407单片机，该单片机性能优良，低功耗、外设资源丰富、高速嵌入，具有丰富的I/O口外设，多个通信接口，可满足小米椒植株监测过程中多数据信息的监测和高性价比的需求。

2.1.2 数据信息采集模块硬件设计

系统选取DHT11温湿度传感器，用单总线方式与单片机通信，能够同时采集温度与湿度信息：温度的测量范围为1～50 ℃，精度为±2 ℃；湿度的测量范围为20%～90%RH，精度为±5%RH；工作电压约为3.3～5.5 V。

光照强度传感器采用BH1750，该传感器工作电压范围为3～5 V，内部同时集成了A/D转换器，测量精度为16位[5]。

CO2是植物进行光合作用必不可少的要素之一，因此对温室中二氧化碳浓度进行监控可以人为地对其进行调控，促进植物生长[6]。CO2浓度采集采用MHZ19B红外吸收型芯片，针对CO2气体通过NDIR（非色散红外）检测原理，采用串口输出方式，具有精度高、性能稳定的特点[7]。

本设计中，主控制器模块选用意法半导体（ST）公司推出的STM32F407。该处理器具有 512 KB FLASH、192 KB SRAM；工作频率为72 MHz，供电电压为3～3.6 V，工作温度在-40～85 ℃之间[8]。其最小系统包括复位电路、晶振电路、电容滤波电路及数模转换等外围电路，足以实现对大棚内的小米椒植株图像和小米椒植株生长环境信息进行采集和监测，并上传至主控核心。

2.2 系统软件设计

2.2.1 OpenCV开源软件库

本系统利用OpenCV开源视觉库和C++语言开发检测软件，运用机器视觉的相关理论，对图像进行了灰度处理、滤波、阈值分割处理[9]。OpenCV是一个跨平台计算机视觉库，可以运行在Linux、Windows和MacOS操作系统上。它轻量级而且高效，由一系列C函数和少量C++类构成，同时也提供Python接口，实现图像处理和计算机视觉方面的很多通用算法[10-11]。

2.2.2 物联网云平台与微信小程序

系统利用云平台和微信小程序开发简单、容易着手、易于部署等优点，实现小米椒植株长势和生长环境的数据统计分析、显示、查询以及提示功能。

3 系统的可行性分析

本文的监测系统在小米椒植株的生长过程中利用物联网无线通信技术对小米椒植株长势和生长环境进行有效监测，成本较低，适合提供给中小型植物种植大棚使用。在监测时能通过数据分析反馈，得出小米椒植株生长的最适宜环境范围，并及时提出解决方案和措施，实现精细化管理，在很大程度上推动智慧农业发展，满足时代发展的需求。

3.1 测试方案

3.1.1 硬件测试

（1）启动设备开始计时，当模块都开启后停止计时，测试设备的开启时间。

（2）在种植有小米椒植株的棚内开启设备，测试图像识别模块，对植物图像进行处理分析、特征值的提取，反复多次测试。

3.1.2 软件测试

在Keil上进行系统的调试，确保能够准确转化出数据，实时检测小米椒植株的生长状况信息。

3.1.3 硬件软件联合调试

从收集小米椒植株的生长环境开始，到云端接收到数据停止计时，测试传输至云端的耗时。

3.2 系统测试

测试条件：所有设备可以正常启动，小米椒植株生长情况正常。

测试设备：小米椒植株，WiFi，手机，电源。

测试方法：

（1）启动设备，手机计时，记录开机时间；

（2）将摄像头放置于正常小米椒植株旁边，记录收集到的数据，计算收集到数据的精准度；

（3）从开启设备开始，到云端接收到数据停止，重复以上操作，多次记录结果，计算平均耗时；

（4）记录于不同位置收集到的数据，计算是否出现误差。

3.2.1 测试结果

利用传感器进行数据收集，通过无线通信技术将采集到的数据同步上传至阿里云物联网平台和微信小程序。经系统实测，每隔两天统一在中午11点采集的一组数据见表1所列。将测试的温度、湿度数据与标准仪器测试数据进行比较分析发现，系统采集温度数据误差在±0.4 ℃之内，湿度数据误差在±3%以下，并能够准确及时地将所收集的数据上传至阿里云物联网平台和微信小程序，满足对小米椒植株的湿度、温度、CO2浓度、光照强度监测的需求。

3.2.2 测试分析与结论

通过合理的硬件构建与软件设计，本系统能够满足课题的要求，实现对小米椒植株长势和生长环境的数据统计分析、显示、查询以及提示功能。实际测试表明，所设计的硬件与软件系统具有良好的稳定性以及时效性，由此可以得出结论：

（1）系统能够及时收集小米椒植株生长环境的湿度、温度、CO2浓度、光照强度等环境参数；

（2）系统能够将收集的数据实时上传至阿里云物联网平台和微信小程序；

（3）种植户可以及时知悉大棚中小米椒的生长环境，实现精细化管理。

4 结 语

本文基于物联网技术与人工智能技术对小米椒植株生长状况和环境进行智能化监测、信息采集、数据分析等工作，为后期达到小米椒高产、稳产、优质、高效的目标提供保障，开发了云平台和微信小程序，完成数据的传输，实现对温度、湿度、CO2浓度、光照强度监测和报警。结果表明：系统工作稳定性好、功耗低、测量数据精度高、终端便携性好，适合提供给中小型植物种植大棚使用。同时也促进了智慧化农业的发展和相关技术的革新，进而创造出巨大的经济效益和社会效益。打造智慧农业，不仅是时代的需求，也是现代农业的发展趋势。

注：本文通讯作者为朱齐媛。

参考文献

[1]白鲁尧.基于物联网技术的智慧农业系统开发与实现[D].包头：内蒙古科技大学，2021.

[2]徐灿，孙庆波.基于物联网的植物生长环境参数监测系统设计[J].中外企业家，2018，35（33）：135.

[3]李珍，刘晓星，安百钢.基于Open CV的图像信息处理系统的开发与应用[J].信息系统工程，2023，36（4）：42-45.

[4]韩悦婷.基于opencv的玉米长势自动监测系统的设计[D].南京：南京信息工程大学，2018.

[5]贾敬敦，鲁相洁，黄峰，等.远程控制与无线通信技术在农业中的应用分析与展望[J].农业机械学报，2021，65（S1）：351-359..

[6]代爱妮，郭书瑞，王蕊.基于ESP32的智慧农业大棚实验系统设计[J].物联网技术，2023，13（4）：91-94.

[7]张林.基于无线传感网的大棚数据采集系统设计[D].淮南：安徽理工大学，2017.

[8]樊艳英，张自敏，陈冠萍，等.基于物联网的精准农业玉米长势监测分析系统研究[J].农机化研究，2018，40（8）：223-227.

[9]鞠红艳.植物生长环境调控系统的研究与应用[D].长春：吉林农业大学，2018.

[10]王克鑫.基于机器视觉的智能植物养护系统[D].哈尔滨：黑龙江大学，2018.

[11]李明磊，赵俊杰，李翔.基于机器视觉的图像高维特征智能提取算法[J].电子设计工程，2023，31（18）：164-167.

作者简介：刘玉连（1999—），女，本科在读，研究方向为物联网技术。

赵善烺（2001—），男，本科在读，研究方向为信息处理与信号分析。

吴灿辉（2000—），男，本科在读，研究方向为物联网技术。

徐炜聪（2000—），男，本科在读，研究方向为物联网技术。

朱齐媛（1979—），女，硕士，副教授，研究方向为物联网技术、智能电路。

收稿日期：2023-06-02 修回日期：2023-06-30

基金项目：岭南师范学院大学生创新创业训练计划资助项目（X202210579014）；湛江市非资助项目（2022B01031）；岭南师范学院科研项目（LY2213）