基于STM32和云平臺智能花盆系統的分析與設計

張宇暉,郝慧慧,唐 冰,張士明,李夢瑤,呂志恒

(鄭州升達經貿管理學院,鄭州 451191)

近年來,人們對生態環境和綠色生活的要求不斷提升,花卉養護逐漸成為一種極具市場潛力的行業[1]。但傳統的花卉養護方式需要人工進行大量的監測和管理,效率低下,難以滿足快節奏的現代化需求,因此開發一種高效、智能化的花卉養護系統尤為重要。智能花盆系統可以實現花卉環境參數的實時監測和控制,提供數據分析和預測功能,大大提高了花卉的養護效率及科學性。在智能化花卉養護過程中,單片機與云計算技術是其中的核心組成。STM32單片機具有功耗低、體積小、穩定性強等優點,是智能花盆系統設計中常用的硬件平臺[2]。而云平臺則可以實現花盆數據的實時遠程監控和分析,將花卉養護系統推向了全新的高度,促進智慧農業的高效發展。為進一步優化智能花盆功能,基于STM32單片機和云平臺軟硬件設施對其進行設計[3],實現花盆環境參數的實時監測和控制、遠程監測和控制及數據分析與預測等功能。

1 系統設計

系統總體架構如圖1所示?；谀K化思想,將控制模塊、信息采集模塊、系統顯示模塊、無線通信模塊、系統實現模塊集成統一。其中信息采集模塊主要包括溫度傳感器、濕度傳感器、光照傳感器、液位傳感器;系統顯示模塊連接手機和電腦端口,在APP和網頁端顯示;系統實現模塊主要采用繼電器、水泵和LED燈;無線通信端口連接用戶無線路由和移動網絡。

圖1 系統框架Fig.1 System framework

1.1 硬件設計

硬件設計是智能花盆系統的基礎,主要包括傳感器選擇、執行器選擇和控制電路設計等方面。其中傳感器選擇是根據花卉生長環境需求選擇適當的傳感器,進行花卉環境參數監測。常見的傳感器包括溫濕度傳感器、土壤濕度傳感器、光照傳感器和液位傳感器。溫濕度傳感器用于監測環境的溫度和濕度變化;土壤濕度傳感器用于監測土壤濕度的變化;光照傳感器用于監測光照強度的變化;液位傳感器用于監測水位的變化。數據采集電路如圖2所示。

選擇水泵和LED燈作為執行器,為花盆澆水并提供合適的光照條件。水泵的選擇應考慮流量和壓力需求,LED燈的選擇應考慮光照強度和色溫需求。

在控制電路設計方面,利用STM32單片機作為控制核心,通過與各個傳感器和執行器的連接實現數據采集和控制操作。需設計合適的電路板和供電模塊,確保系統的穩定運行?？紤]電路的防護和過載保護等問題,確保系統的安全性和穩定性。

1.2 軟件設計

智能花盆系統的主要工作流程如圖3所示。完成系統初始化配置,啟動智能花盆系統,進行相關參數檢測并執行相關操作。

圖3 系統流程Fig.3 System flow

軟件設計是智能花盆系統的關鍵,包括實時監測和控制、遠程監測和控制及數據分析與預測等。通過STM32單片機實現對花卉環境參數的實時監測和控制,定時采集溫濕度、土壤濕度、光照強度等參數,根據設定的閾值進行判斷和控制操作。通過LCD顯示屏或其他形式,將監測結果實時反饋給用戶。

利用云平臺技術,實現對智能花盆系統的遠程監測和控制。用戶可通過手機、電腦等設備遠程查看花盆狀態,獲取實時數據和歷史記錄,并進行相應的控制操作,如遠程澆水和調節燈光。通過云平臺提供的API接口,實現系統與用戶的交互及數據傳輸。其核心代碼如下:

fromflaskimportFlask,request,jsonify;

app=Flask(__name__);

#模擬花盆狀態

flowerpot_status={″moisture″:60,″light_intensity″:80};

#獲取花盆狀態

@app.route(′/flowerpot/status′,methods=[′GET′])

defget_flowerpot_status():

returnjsonify(flowerpot_status)

#控制澆水

@app.route(′/flowerpot/watering′,methods=[′POST′])

defcontrol_watering():

returnjsonify({"message″:″Wateringtheflowerpot″})

#控制燈光

@app.route(′/flowerpot/light′,methods=[′POST′])

defcontrol_light():

returnjsonify({″message″:″Adjustingthelightoftheflowerpot″})

利用機器學習算法對花盆的生長情況進行評估和預測,并向用戶提供建議。通過對歷史數據的分析和模式識別,預測花盆的生長趨勢,提供適當的養護建議。使用Python等編程語言實現數據分析和預測算法,與系統進行集成。其核心代碼如下:

fromsklearn.linear_modelimportLinearRegression

importpandasaspd

#加載歷史記錄

data=pd.read_csv(′flowerpot_data.csv′)

#區分數據標簽和數據特征

X=data.drop(′growth′,axis=1)

y=data[′growth′]

#創建回歸模型并進行擬合

model=LinearRegression()

model.fit(X,y)

#模型分析預測

prediction=model.predict([[50,70]])

#輸出結果

print(prediction)

1.3 云平臺設計

云平臺是整個系統的重要組成部分,通過云平臺可實現對花盆生長環境的遠程監測和控制,進行數據存儲、分析和展示等操作[4]。采用阿里云物聯網平臺作為底層技術支持,通過該平臺的設備接入、消息路由、數據存儲等功能,實現花盆系統與云端數據的無縫連接及快速傳輸[5]。阿里云物聯網平臺提供了完整的API接口,方便用戶進行開發和集成。支持數據可視化,用戶可通過圖表和報表等方式查看花盆生長數據,直觀了解花盆的生長情況及趨勢。

2 系統測試

為進一步驗證基于STM32和云平臺的智能花盆系統的可靠性及模塊性能,進行了系統測試。硬件測試過程中使用花盆系統提供的傳感器來實時監測溫度、濕度、光照強度等數據,通過系統界面進行查看。測試結果顯示,系統硬件能夠正常工作,傳感器數據的測量精度符合要求。其溫度變化曲線如圖4所示。

圖4 溫度測試曲線Fig.4 Temperature test curve

軟件測試的重點是測試操作系統的靈敏度和燈光效果,測試結果如下:連接電源和無線網絡,能夠在網頁端和手機端查看智能花盆的實時數據信息。切換到感應模式下,系統能夠檢測溫度和水量情況,提醒用戶進行相應的處理操作。檢測到燈光強度低于閾值時,控制LED燈進行補光操作。切換到管理員模式時,可以進行各個參數閾值的設置,根據不同品種綠植的需要進行手動和自動模式控制。在手機端可以查看三維信息,生成預測數據信息,根據預測結果提出相關建議,供用戶參考。

3 結束語

采用嵌入式技術(STM32芯片)和云計算平臺設計了智能花盆系統,實現了對花盆生長環境的實時監測、數據采集、遠程控制及數據分析等功能。結合傳感器技術、嵌入式系統設計和云服務平臺的優勢,實時監測花盆周圍的環境參數,如溫度、濕度、光照強度等,并將數據上傳至云端進行存儲分析。通過機器學習算法的應用,系統能夠預測植物的生長趨勢并提供相應的養護建議,幫助用戶更好地管理和照料綠植。未來可進一步優化系統性能,滿足不同用戶群體的需求,以推動智能植物養護技術的發展。