基于STM32和樹莓派智能灌溉系統的設計與實現

藍 宇，黃中舟，朱彥博，陳 品

（廣州軟件學院 網絡技術系，廣東 廣州 510990）

0 引 言

本項目的科學性在于合理的市場調研、充分的社會分析。首先是市場調研部分，基于艾媒數據中心收集的數據所得：中國居民人均可支配收入正在逐年增長，由2014年的20 167.0元增長到2018年的28 228.0元，如圖1所示。人均收入明顯的增長釋放出一個信號：人們將更加注意品質生活；基于華經情報網收集的盆栽植物類花卉市場規模數據可得：種植花卉的興趣并不是突然的興起，而是呈現緩和增長的趨勢，并且此趨勢也將平穩增長很長一段時間。2017年的規模已達到362.22億元，如圖2所示。在經濟增長緩慢的2017年尚可達到如此成績，往后的增長更是在此基礎上不斷上升。

圖1 2014—2018年中國居民人均可支配收入

圖2 2013—2017年盆栽植物類花卉市場規模

在社會分析方面，隨著國家不斷發展，經濟不斷增長，人們更加在意生活質量，想過有品質的生活，小到辦公桌前的仙人掌，大到家里的萬年青等。如何使用戶可以更好、更輕松地種植植物便是本文所需要思考的事情，最后真正地將智能灌溉系統融入日常生活當中。

1 系統總體框架圖

智能灌溉系統的設計主要目的是解決何時澆水、澆多少水、如何養護而避免綠植枯萎死亡等問題。系統選用土壤干濕度傳感器配合監測環境的變化，為了達到效果，傳感器的比較器采用LM393芯片。

系統的整體設計思路是：由高清攝像頭實現自動拍照功能，并根據已訓練完成的智能識別算法，實時根據特征點進行識別工作。同時輸出綠植的具體品種，將品種數據傳入STM32單片機。由STM32單片機調用專屬該綠植品種的灌溉方案，并以土壤干濕度傳感器的監測數據為輔，智能判斷是否需要澆水，如果需要澆水，應該澆多少水。該過程無需用戶干預，真正做到了智能化。最后，整個過程的數據可反饋至手機APP內，做到數據可視化的效果。系統總體框架圖如圖3、圖4所示。

圖3 智能灌溉系統硬軟件關系圖

圖4 智能灌溉系統版塊關系圖

2 硬件設計

2.1 單片機設計

單片機由STM32單片機、四角按鍵、DC 5 V的電源座、ADC0832模數轉換芯片、LED1602液晶顯示屏、DC 5 V水泵等部件組成。

（1）LED1602液晶顯示屏

LED1602液晶顯示屏主要用于顯示當前的土壤干濕度值、自動澆水濕度值以及關閉水泵閥門的濕度值。LED顯示屏的顯示容量為16×2個字符，工作電壓為4.5～5.5 V，工作電流為2.0 mA（5.0 V），字符尺寸為2.95 mm×4.35 mm（W×H）。

（2）單片機

本文采用STM32F101R6單片機，其工作頻率最高為72 MHz，1.25 DMIPS/MHz，電壓為2.5～6 V，存儲器為32 KB的FLASH存儲器，主要在系統中擔任處理由土壤濕度傳感器傳回來的電信號，并通過放大信號從而判斷是否對水泵傳出電信號。

（3）ADC0832模數轉換芯片

ADC0832模數轉換芯片是一種8位分辨率A/D轉換芯片，主要將模擬信號轉換成數字信號，用于與STM32F101R6單片機聯合使用，測量土壤干濕度。

（4）土壤干濕度傳感器

土壤干濕度傳感器的比較器采用LM393芯片，因此智能灌溉系統的工作非常穩定，工作電壓為3.3～5 V，PCB尺寸為3.2 cm×1.4 cm。此傳感器可以控制土壤的濕度，通過電位器調節控制相應閾值，濕度低于設定值時，D0輸出高電平；高于設定值時，D0輸出低電平。土壤干濕度傳感器電路如圖5所示。

圖5 土壤干濕度傳感器電路

2.2 樹莓派設計

2018-11-13-raspbian-stretch-full版本的樹莓派，把C270攝像頭傳回來的圖像通過卷積神經網絡OpenCV進行植物智能識別，然后把識別結果顯示在APP端，將識別數據傳輸到單片機端。

C270攝像頭：500萬像素的CMOS圖像傳感器，采用OmniBSI技術提供2 592×1 944視頻輸出。它通過串行攝像機控制總線或mipi接口提供多分辨率原始圖像。

2.3 訓練數據過程

在樹莓派上使用OpenCV和Python 3進行植物識別，樹莓派通過調用C270攝像頭模塊獲取視頻。

基于圖像分析的植物葉片識別主要有圖像預處理、葉片特征提取和葉片分類識別三個步驟，其流程如圖6所示。

圖6 區域特征法識別流程

3 軟件設計

本系統采用下位機控制終端軟件和上位機軟件設計。

3.1 上位機軟件設計

上位機軟件采用Eclipse 4.7開發，開發語言為Java，具有界面簡潔、可操作性強的特點。上位機軟件版塊為設置模塊、數據模塊、控制模塊、傳輸模塊。在上位機中，可以實時進行植物數據的顯示以及對植物歷史數據的查詢，并可將數據傳輸到用戶的手機上以及管理者服務器上。本系統采用4G DTU USR-G780模塊進行植物數據的傳輸。通過上位機，用戶可以在PC端、移動端對植物的土壤干濕度數據、植物現狀進行實時查看，并且可以遠程控制水泵的開關與閉合，實時改變土壤的含水量。水泵閥門的閉合通常與數據的上傳由軟件自動完成。為滿足植物在不同階段的需求，用戶可以通過上位機操作不同生長階段的灌溉量，系統也會根據不同的成長趨勢給出推薦方案。

3.2 下位機控制終端軟件設計

下位機軟件是在Keil μVision 5 IDE集成環境中使用C語言開發而成。系統工作時，會實時分析植物的土壤干濕度、植物生長趨勢等數據，并且開始分析從采集部分得到的數據，通過植物生長趨勢以及天氣情況將土壤干濕度調整至預設范圍。當土壤干濕度處于正常范圍時，水泵閥門會關閉；當土壤干濕度低于設定區間最低值時，水泵閥門會打開，隨著灌溉水量的增加，土壤濕度增加；當植物土壤干濕度高于正常范圍上限時，停止灌溉。

系統軟件流程如圖7所示。

圖7 系統軟件流程

4 智能識別算法

在眾多算法模型面前，本著易訓練、準確率高、性價比高的原則，最終選擇了較為經典的算法模型—AlexNet結構。該結構特點如下：

（1）8層結構，其中前5層為卷積層，后3層為全連接層；學習參數有6 000萬個，神經元有650 000個。

（2）可在2個GPU上運行，大大提高訓練速率。

（3）在第2，4，5層均是前一層在自己GPU內連接，第3層是與前面兩層全連接，全連接是2個GPU全連接；RPN層是在第1，2個卷積層后；Max pooling層在RPN層以及第5個卷積層后；ReLU函數在每個卷積層以及全連接層后。

（4）卷積核大小數量：

conv1：96 11×11×3（個數/長/寬/深度）

conv2：256 5×5×48

conv3：384 3×3×256

conv4：384 3×3×192

conv5：256 3×3×192

（5）ReLU、雙GPU運算：提高訓練速度（應用于所有卷積層和全連接層）。

（6）重疊pool池化層：提高精度，不容易產生過度擬合（應用在第1層、第2層、第5層后面）。

（7）局部響應歸一化層（LRN）：提高精度（應用在第1層和第2層后面）。

（8）Dropout：減少過度擬合（應用在前2個全連接層）。

5 總體設計

5.1 系統特點

系統軟件主要分為三大部分，分別是APP端、樹莓派端和STM32單片機端。其中，APP端主要設計語言為Java，此端主要讓用戶從手機上控制單片機端水泵閥門的打開或者關閉，并且可以在APP端顯示樹莓派端識別的植物結果；樹莓派端主要實現識別植物種類的功能，并且把識別結果傳輸給APP端、STM32單片機端；STM32單片機端主要設計語言為C語言，利用STM32庫函數開發。為了實現自動灌溉功能，用戶可以通過硬件的按鍵實現澆水區間的手動設置，并且在單片機端的顯示屏上實時顯示土壤干濕度值。當土壤干濕度低于預設范圍最低值時，紅色LED燈會發光，并且蜂鳴器會發出聲音；當土壤干濕度位于預設值范圍時，綠色LED燈會發光，同時停止蜂鳴器發出聲音。系統外形圖如圖8所示。

圖8 外形

5.2 應用價值

（1）節省水源。因系統為全自動化一體設備，擁有電子信息采集的功能，可以實時檢測盆栽環境，依據植物生長條件，合理灌溉，從而減少水資源浪費。通過管道、噴槍或噴頭形成噴灌，均勻、定量、定時噴灑盆栽。

（2）由于地理條件、環境氣候、土壤差異的影響，植物生長會受到一定的限制，但是智能灌溉系統可以實時監測土壤情況，有效地改善土壤環境，為種植物創造較好的生長條件。

（3）減少勞動力成本。普通的灌溉澆水需要耗費時間和人力，而智能灌溉是全自動灌溉模式，同時擁有PC端和移動端，并且可以通過遠程操控進行灌溉。

（4）現代的自動灌溉系統大多數都是大型的，多數均用于花園、農場等大型植物種植場所。可是隨著人們的生活品質日益提升，現在更多的用戶需要小型智能的灌溉系統，而現有的小型灌溉系統均存在共性問題：價格高昂、實用性低、無法為用戶提供相應的種植提示等。于是，基于傳統特點，改良共性問題，是本設備最大的價值體現。

5.3 轉化前景

本系統的預期成果是達到商用化的使用程度，即用戶需要購買我們的系統以及設備，然后用戶只需要負責放置種植物，剩下的工作可以全部交由系統設備完成。

本系統不僅僅實現家庭用戶對灌溉的基本需求，而且提升實用性與科學性的同時，降低技術成本，提高水資源的利用率；同時能夠實現讓每一位使用者都能很快上手，使花卉灌溉系統安裝和使用更為方便。

本系統的社會效益：在綠色環保方面，可以達到節省水資源的效果；在經濟方面，此行業目前還是藍海，仍有較大的發展空間。

6 結 語

基于STM32和樹莓派共同設計的智能灌溉系統，在改良傳統灌溉系統基礎之上，將智能化引入，加以土壤干濕度傳感器進行環境監測，從而提出更智能化、更自動化、更人性化的綠植成長方案，一定程度上也避免了綠植的枯萎死亡，做到了節約水源的社會效益。經過一系列測試工作，目前設備可達到日常使用狀態，同時也達到了預期設計效果。

未來的發展方向將是引入病蟲害識別功能，以完善對于綠植生病問題的解決方案，同時不斷更新識別算法，以提高識別效率以及準確度。

致謝：非常感謝王健老師的指導。因為是初次寫論文，在寫論文的期間遇到了許多困難，是他不斷地給出建設性意見，不厭其煩地幫助我們修改和改進論文。王健老師嚴謹的治學態度、淵博的學術知識以及誨人不倦的敬業精神使我們獲益頗多。