基于STM32花卉智能管理系统

关键词：STM32；智慧农业；实时监测

中图分类号 TP311.1323 文献标识码：A

文章编号：1009-3044（2025）03-0039-03 开放科学（资源服务） 标识码（OSID） ：

0 引言

由于不同品种花卉生长环境参数的需求不同。当用户离开家门时无法获知花卉的生长状态和管理花卉，因此用户存在无法远程实时监测花卉的生长状态和管理不到位情况。为解决花卉种植中的远程管理和实时监控问题，论文采用STM32F103为最小系统，外接GY302光强传感器、土壤湿度传感器、ESP8266无线通信模块等硬件模块，构建了一套实时监测与调节的花卉培植系统。为检验和及时纠正温室监控系统的精确性，本文选取温室环境参数为对象，提出构建了一种适用不同花卉温室环境预测模型，该模型利用最小二乘支持向量机对模型进行优化。通过算法模型对花卉系统环境参数准确性进行预测，用户可根据实时数据及时发现系统的环境参数变化问题，通过手动或自动对相应的执行器或传感器等硬件做出相应调整，该系统根据不同的花卉品种如（红掌、莺歌凤梨等） 在育苗、中苗、花株不同的生长期配置最适宜花卉生长环境参数，在移动端 App上设置不同时期不同参数的阈值，及时调整控制设备，以此来确保花卉的不同时期的最佳生长环境，该系统设计分为3个模块：数据采集端、执行终端、监测终端，分别负责数据获取、上传和自动响应。系统架构包括客户端物联网平台以及App、花卉种植系统、云服务器以及数据库，功能涵盖远程数据监测、数据获取以及设备控制，通过DHT11获取大气温湿度数据，BH1750获取光照强度，土壤湿度传感器获取土壤湿度，具备光谱补充功能，采用LED灯模拟光照强度过低时，补充光照[1]。系统具备自动湿度降低功能、高温预警功能，并使用OLED屏显示实时种植环境数据，用户可通过App查看花卉生长环境参数以及远程选择手动或自动对花卉进行管理（如手动/自动浇水施肥，增加或减少光照强度） 等，界面的设计注重一致性、操作简便性和稳定性。通过物联网平台，用户可远程监控各模块状态并通过服务器存储数据，以折线图或者柱状图形式展示环境参数的变化趋势。

1 系统总体设计

1.1 花卉管理系统结构

花卉精准种植系统采用物联网技术感知层、网络层以及应用层三层结构。感知层包含感知节点和控制节点，通过温湿度传感器、光照传感器、CO₂浓度传感器进行花卉室内环境参数的采集，然后通过Wi-Fi 通信技术将数据上传到云服务器，同时进行命令接收，以此来进行花卉监测和管理[2]。网络层主要负责将收集的数据进行发送和传输，该系统主要将数据在STM32F103无线模块和Wi-Fi 模块之间进行交换。应用层主要将分析和处理感知层的数据和指令，从而使硬件进行滴灌、灯管补偿、遮阳等功能。其数据和指令主要由手机App完成。

1.2 花卉系统数据流

花卉系统的数据包括上行数据和下行数据，上行数据包括各种传感器收集的数据通过无线通信模块发送至协调器，然后通过网关发送到手机。下行数据主要由App或服务器发送数据和指令到协调器，通过协调器发送给执行控制器。

2 系统硬件设计

使用STM32F103ZET6最小系统板作为中控，通过USART与DHT11通信，IIC与GY30通信、OLED屏通信，通过GPIO口控制一些外围执行设备，如可控抽水泵、蜂鸣器、LED补偿、风扇等，使用ADC转换器精准获取土壤湿度。其示意图如图2所示。

系统通信设备主要采用ESP2688将传感器数据上传到云服务器。同时接收云服务器下达的各种控制指令。

3软件设计

监测系统主要将传感器各种环境参数数据进行采集，然后利用人工智能算法进行预测以及对异常数据进行处理。主控器首先初始化PA11GPIO口，然后复位DHT11模块，根据模块的连接应答获取到大气温湿度数据，进行数模转换，主控器通过读取对应GPIO 口进行获取数据，然后通过IIC协议显示到OLED屏上，通过MQTT协议上传至物联网平台，若温湿度一旦超出所涉阈值范围，则执行器风扇进行降温。这里采用最小二乘支持向量机（Least Squares Support Veo⁃tor Mashine，LSSVM） 来预测温湿度，根据预测的温湿度实现精准滴灌和施肥。其LSSVM算法的约束不等式为式（1） 和（2） ：

最小二乘支持向量机简称 LSSVM，是一种基于核函数的学习机器，它遵循结构风险最小化（SRM） 原则。它的算法是通过最小二乘法将结构风险最小化。LSSVM是支持向量机（SVM）的改进，提高了求解收敛速度和精度。与SVM相比，LSSVM的优点在于：一是简化了计算步骤，将求解问题由二次方程转换为一次线性方程，更加快捷；二是 LSSVM包含所有训练样本，可对所有样本进行处理，更加精准；三是LSSVM对于动态问题能够自行回归运算，解决动态问题更加容易。它可应用于各种领域的模式识别、分类和回归分析等问题。本研究采用LSSVM构建花卉温室环境的预测模型，能准确预测花卉温室的环境变化，这有利于对作物生长环境的精准调控，从而促进花卉生长[3]。

4系统测试

在本系统的设计中，研究者综合考虑了系统需求和各个功能模块，系统的主要实体，包括用户和监测模块阈值。UI可显示各执行器的设备状态，各传感器模块的数据状态，以及各环境参数的历史数据折线图。其实际测试图如图4所示。

软件系统首先设置好不同品种花卉温度、湿度以及关照值等阈值。设置传感器数据采集时间为2min，这里采集24小时数据来观察土壤温度、湿度以及光照度变化。如图5、图6所示。

图5可以看出随着日出，温度也随之升高，土壤湿度也随着温度升高而降低，主要由于水分蒸发所致。

图6可以看出通过阈值的设置、光照强度都在均值8 000 LUX左右波动和二氧化碳浓度在850 PPM左右波动。通过实地测试和实验分析表明，该监测控制系统功能全面，成本更低，自动调控基本完善。本研究设计的基于STM32的花卉温室智能监控系统已在本校园艺试验站花卉大棚运行试用，目前系统运行稳定，对温室环境数据采集上传及时，稳定性强。温室环境预测模型误差小、精确度高，为准确的环境数据调控提供算法基础，本系统可推广性强[4]。

5结束语

花卉精准培植系统作为一种新型的种植技术，已经在农业生产中得到了广泛应用。通过该系统，农民可以根据花卉的生长需求和环境条件，精准调控种植过程，提高生产效率和品质。通过实际系统的设计以及论文查询中，发现功能上可以完善病虫害防治功能，在物联网智慧温室大棚中增加视频监控，可随时观察作物病虫害发生情况在内的生长情况，帮助相关工作人员开展病虫害防治工作。以及在现有的智慧温室大棚中安装臭氧发生器，在温室大棚内释放臭氧，实现大棚内的环境消毒，有效控制病虫害的发生[5]。同时可以添加更多的模块，完善数据模型，例如二氧化碳浓度传感器，通过浓度值可以推测花卉生长的状态，是处于主要呼吸作用阶段还是主要光合作用阶段；还可以新增土壤酸碱度监测模块，不同的花卉对于土壤酸碱度要求不同，一般人们在种植前会采用合适酸碱度的土壤，但是花卉生长过程中，酸碱度是可能发生变化的，使用该模块可以增强花卉的精细化培植。