基于STM32花卉智能管理系統

關鍵詞：STM32；智慧農業；實時監測

中圖分類號 TP311.1323 文獻標識碼：A

文章編號：1009-3044（2025）03-0039-03 開放科學（資源服務） 標識碼（OSID） ：

0 引言

由于不同品種花卉生長環境參數的需求不同。當用戶離開家門時無法獲知花卉的生長狀態和管理花卉，因此用戶存在無法遠程實時監測花卉的生長狀態和管理不到位情況。為解決花卉種植中的遠程管理和實時監控問題，論文采用STM32F103為最小系統，外接GY302光強傳感器、土壤濕度傳感器、ESP8266無線通信模塊等硬件模塊，構建了一套實時監測與調節的花卉培植系統。為檢驗和及時糾正溫室監控系統的精確性，本文選取溫室環境參數為對象，提出構建了一種適用不同花卉溫室環境預測模型，該模型利用最小二乘支持向量機對模型進行優化。通過算法模型對花卉系統環境參數準確性進行預測，用戶可根據實時數據及時發現系統的環境參數變化問題，通過手動或自動對相應的執行器或傳感器等硬件做出相應調整，該系統根據不同的花卉品種如（紅掌、鶯歌鳳梨等） 在育苗、中苗、花株不同的生長期配置最適宜花卉生長環境參數，在移動端 App上設置不同時期不同參數的閾值，及時調整控制設備，以此來確保花卉的不同時期的最佳生長環境，該系統設計分為3個模塊：數據采集端、執行終端、監測終端，分別負責數據獲取、上傳和自動響應。系統架構包括客戶端物聯網平臺以及App、花卉種植系統、云服務器以及數據庫，功能涵蓋遠程數據監測、數據獲取以及設備控制，通過DHT11獲取大氣溫濕度數據，BH1750獲取光照強度，土壤濕度傳感器獲取土壤濕度，具備光譜補充功能，采用LED燈模擬光照強度過低時，補充光照[1]。系統具備自動濕度降低功能、高溫預警功能，并使用OLED屏顯示實時種植環境數據，用戶可通過App查看花卉生長環境參數以及遠程選擇手動或自動對花卉進行管理（如手動/自動澆水施肥，增加或減少光照強度） 等，界面的設計注重一致性、操作簡便性和穩定性。通過物聯網平臺，用戶可遠程監控各模塊狀態并通過服務器存儲數據，以折線圖或者柱狀圖形式展示環境參數的變化趨勢。

1 系統總體設計

1.1 花卉管理系統結構

花卉精準種植系統采用物聯網技術感知層、網絡層以及應用層三層結構。感知層包含感知節點和控制節點，通過溫濕度傳感器、光照傳感器、CO₂濃度傳感器進行花卉室內環境參數的采集，然后通過Wi-Fi 通信技術將數據上傳到云服務器，同時進行命令接收，以此來進行花卉監測和管理[2]。網絡層主要負責將收集的數據進行發送和傳輸，該系統主要將數據在STM32F103無線模塊和Wi-Fi 模塊之間進行交換。應用層主要將分析和處理感知層的數據和指令，從而使硬件進行滴灌、燈管補償、遮陽等功能。其數據和指令主要由手機App完成。

1.2 花卉系統數據流

花卉系統的數據包括上行數據和下行數據，上行數據包括各種傳感器收集的數據通過無線通信模塊發送至協調器，然后通過網關發送到手機。下行數據主要由App或服務器發送數據和指令到協調器，通過協調器發送給執行控制器。

2 系統硬件設計

使用STM32F103ZET6最小系統板作為中控，通過USART與DHT11通信，IIC與GY30通信、OLED屏通信，通過GPIO口控制一些外圍執行設備，如可控抽水泵、蜂鳴器、LED補償、風扇等，使用ADC轉換器精準獲取土壤濕度。其示意圖如圖2所示。

系統通信設備主要采用ESP2688將傳感器數據上傳到云服務器。同時接收云服務器下達的各種控制指令。

3軟件設計

監測系統主要將傳感器各種環境參數數據進行采集，然后利用人工智能算法進行預測以及對異常數據進行處理。主控器首先初始化PA11GPIO口，然后復位DHT11模塊，根據模塊的連接應答獲取到大氣溫濕度數據，進行數模轉換，主控器通過讀取對應GPIO 口進行獲取數據，然后通過IIC協議顯示到OLED屏上，通過MQTT協議上傳至物聯網平臺，若溫濕度一旦超出所涉閾值范圍，則執行器風扇進行降溫。這里采用最小二乘支持向量機（Least Squares Support Veo?tor Mashine，LSSVM） 來預測溫濕度，根據預測的溫濕度實現精準滴灌和施肥。其LSSVM算法的約束不等式為式（1） 和（2） ：

最小二乘支持向量機簡稱 LSSVM，是一種基于核函數的學習機器，它遵循結構風險最小化（SRM） 原則。它的算法是通過最小二乘法將結構風險最小化。LSSVM是支持向量機（SVM）的改進，提高了求解收斂速度和精度。與SVM相比，LSSVM的優點在于：一是簡化了計算步驟，將求解問題由二次方程轉換為一次線性方程，更加快捷；二是 LSSVM包含所有訓練樣本，可對所有樣本進行處理，更加精準；三是LSSVM對于動態問題能夠自行回歸運算，解決動態問題更加容易。它可應用于各種領域的模式識別、分類和回歸分析等問題。本研究采用LSSVM構建花卉溫室環境的預測模型，能準確預測花卉溫室的環境變化，這有利于對作物生長環境的精準調控，從而促進花卉生長[3]。

4系統測試

在本系統的設計中，研究者綜合考慮了系統需求和各個功能模塊，系統的主要實體，包括用戶和監測模塊閾值。UI可顯示各執行器的設備狀態，各傳感器模塊的數據狀態，以及各環境參數的歷史數據折線圖。其實際測試圖如圖4所示。

軟件系統首先設置好不同品種花卉溫度、濕度以及關照值等閾值。設置傳感器數據采集時間為2min，這里采集24小時數據來觀察土壤溫度、濕度以及光照度變化。如圖5、圖6所示。

圖5可以看出隨著日出，溫度也隨之升高，土壤濕度也隨著溫度升高而降低，主要由于水分蒸發所致。

圖6可以看出通過閾值的設置、光照強度都在均值8 000 LUX左右波動和二氧化碳濃度在850 PPM左右波動。通過實地測試和實驗分析表明，該監測控制系統功能全面，成本更低，自動調控基本完善。本研究設計的基于STM32的花卉溫室智能監控系統已在本校園藝試驗站花卉大棚運行試用，目前系統運行穩定，對溫室環境數據采集上傳及時，穩定性強。溫室環境預測模型誤差小、精確度高，為準確的環境數據調控提供算法基礎，本系統可推廣性強[4]。

5結束語

花卉精準培植系統作為一種新型的種植技術，已經在農業生產中得到了廣泛應用。通過該系統，農民可以根據花卉的生長需求和環境條件，精準調控種植過程，提高生產效率和品質。通過實際系統的設計以及論文查詢中，發現功能上可以完善病蟲害防治功能，在物聯網智慧溫室大棚中增加視頻監控，可隨時觀察作物病蟲害發生情況在內的生長情況，幫助相關工作人員開展病蟲害防治工作。以及在現有的智慧溫室大棚中安裝臭氧發生器，在溫室大棚內釋放臭氧，實現大棚內的環境消毒，有效控制病蟲害的發生[5]。同時可以添加更多的模塊，完善數據模型，例如二氧化碳濃度傳感器，通過濃度值可以推測花卉生長的狀態，是處于主要呼吸作用階段還是主要光合作用階段；還可以新增土壤酸堿度監測模塊，不同的花卉對于土壤酸堿度要求不同，一般人們在種植前會采用合適酸堿度的土壤，但是花卉生長過程中，酸堿度是可能發生變化的，使用該模塊可以增強花卉的精細化培植。