基于CH32V307VCT6的智能大棚环境检测系统_李得至.pdf

基于CH32V307VCT6的智能大棚环境检测系统 李得至 周金涛 长江大学电子信息与电气工程学院 湖北荆州 434023 摘要 基于CH32V307VCT6构建了智能大棚环境检测系统 能够实时检测大棚的空气温度 空气湿度 土壤温度 土壤湿度 土 壤氮磷钾微量元素的含量 土壤pH值和光照强度等关键参数 检测到的环境参数会实时地显示在上位机界面 以直观清晰的方式 展现给巡检人员 智能大棚环境检测系统可以根据不同农作物所需要的环境参数来设置不同的阈值 神经网络模型通过对比实时 监测数据与预设阈值 给出相应的指令来调整风扇转速和水泵功率 以实现精准的环境调控 并通过模拟实验改变大棚空气温度 空气湿度 光照强度 光源的方向等参数 来检验风扇电机 水泵电机 补光系统 自动追光系统的运行情况 实验结果表明该 智能大棚环境检测系统具有响应快 自动化和智能化程度高等特点 有效保障了农作物的最佳生长条件 提升了资源利用效率 实现了节能减排的绿色生产目标 关键词 CH32V307VCT6 智能化 神经网络 中图分类号 TP274 文献标志码 A 文章编号 1009 9492 2025 16 0102 05 IntelligentGreenhouseEnvironmentDetectionSystemBasedonCH32V307VCT6 Li Dezhi Zhou Jintao School of Electronic Information and Electrical Engineering Yangtze University Jingzhou Hubei 434023 China Abstract The intelligent greenhouse environment detection system is constructed based on CH32V307VCT6 which can detect key parameters such as air temperature air humidity soil temperature soil humidity content of soil nitrogen phosphorus potassium and trace elements soil pH value and light intensity in the greenhouse in real time The detected environmental parameters will be displayed on the upper computer interface in real time and presented to the inspection personnel in an intuitive and clear way The intelligent greenhouse environment detection system can set different thresholds according to the environmental parameters required by different crops The neural network model gives corresponding instructions to adjust the fan speed and water pump power by comparing the real time monitoring data with the preset threshold to achieve accurate environmental regulation And through simulation experiments to change parameters such as greenhouse air temperature air humidity light intensity and light source direction to test the operation of fan motors water pump motors supplementary lighting systems and automatic light tracking systems The experimental results show that the intelligent greenhouse environment detection systemhas the characteristics of fast response high degree of automation and intelligence effectively ensuring the best growth conditions for crops improving resource utilization efficiency and achieving the green production goal of energy conservation and emission reduction Key words CH32V307VCT6 intelligent neural network 2025年08月 第54卷 第16期 Aug 2025 Vol 54 No 16 机 电 工 程 技 术 MECHANICAL ELECTRICAL ENGINEERING TECHNOLOGY 李得至 周金涛 基于CH32V307VCT6的智能大棚环境检测系统 J 机电工程技术 2025 54 16 102 106 收稿日期 2024 09 24 DOI 10 3969 j issn 1009 9492 2025 16 017 0 引言 传统农业往往依赖于人工经验进行环境调控 存在 效率低 误差大 劳动强度大 缺乏科学管理和监测 资源消耗过大等问题 而在当今社会 随着科技的飞速 发展 农业领域也迎来了前所未有的智能化变革 1 智 能大棚环境检测系统能提高生产效率 为作物生长创造 最适宜的条件 其通过实时监测和自动调控大棚内部环 境 如温度 湿度 光照 土壤养分等关键因素 2 3 这有助于提高作物的产量和质量 降低能源消耗 进而 提升农业生产效率 4 6 饶章宇 7 提出的基于ZigBee的智 能大棚系统设计 其中对大棚环境参数的采集只有空气 温湿度 土壤湿度 光照强度等参数 并没有涉及到土 壤氮磷钾微量元素的检测 刘显忠 8 结合国外智能大棚 的发展 提出了一些关于智能大棚设计的原则 熊昌炯 等 9 提出的基于STM32的大棚智能喷灌系统 空气温湿 度传感器采用的是DHT11 其温湿度测量精度相对较 低 温度和湿度的精度分别为 2 和 5 在需要高精 度测量的场合 DHT11可能无法满足要求 本文提出的基于CH32V307VCT6的智能大棚环境检 测系统 通过传感器采集空气的温度和湿度 光照强度 土壤氮磷钾微量元素的含量 土壤pH值 土壤温度 土 壤湿度 实现了对大棚环境参数的全面监控 10 12 以传 感器采集到的大棚数据作为神经网络模型的训练集 并 通过神经网络模型来调控水泵电机和风扇电机输出功率 102 大小的目的 有效减少资源浪费和环境污染 13 14 搭建 自动追光系统 使太阳能板能持续为锂电池供电 以此 达到持续续航的目的 基于CH32V307VCT6的智能大棚 环境检测系统 通过自动化 智能化的手段 实现了对 大棚环境的实时监测与调控 极大地提高了农业生产的 效率 15 17 本文提出的智能大棚环境检测系统不仅减轻 了农民的劳动强度 还提升了农作物的产量和品质 为 农业生产的可持续发展奠定了坚实基础 18 1 总体设计方案 技术流程如图1所示 首先初始化上位机界面 实 时显示和汇总传感器采集到的大棚空气温度 空气湿度 光照强度 土壤温度 土壤氮磷钾微量元素的含量 土 壤湿度等关键参数 同时进行串口初始化 通过空气传 感器 GY 39 和土壤传感器采集大棚的环境参数 其 次神经网络模型通过对比实时监测的大棚环境参数与预 设的阈值 给出控制风扇电机和水泵电机功率的指令 控制补光系统的指令是由空气传感器 GY 39模块 采 集到的光照强度与预先设置的阈值对比较得出的 控制 指令通过上位机传输给CH32V307VCT6主控板 随后 CH32V307VCT6主控板通过控制风扇电机和水泵电机的 功率大小和补光系统的运行和停止 来调控大棚环境参 数 锂电池可以通过太阳能板进行充电 从而达成持续 续航的效果 为整个系统的稳定运行提供有力保障 19 20 上位机具备两种操作模式 分别是自动控制模式和手动 控制模式 21 在自动控制模式中 会依据大棚内作物生 长所需的理想条件预先设置相关的阈值 然后将根据传 感器采集到的空气温度 空气湿度导入到神经网络模型 进行处理 当大棚环境的温度超出所设置的阈值 系统 就会自动启动风扇电机 当大棚环境湿度低于阈值的时 候 水泵电机启动 当大棚内光照强度低于阈值时 启 动补光系统 从而有效调节大棚的环境参数 确保大棚 的环境参数能够恢复到正常范围 在手动模式下 用户 能够根据自身的实际需要灵活地调节风扇的输出功率 水泵的输出功率以及补光灯的亮灭状态 2 软件部分 上位机的界面如图2所示 从界面中可以清晰地获 取大棚环境信息 此时 大棚空气温度显示为28 39 湿度为70 02 土壤的湿度达到75 土壤的温度为 28 土壤的pH值为7 氮元素的含量为75 mg L 磷 元素的含量为34 mg L 钾元素的含量为12 mg L 光照 强度为7 2 Lux 上位机自动模式和手动模式是通过界面 右下角的Aswitch开关来实现灵活切换 当Aswitch开关 处于On状态时 系统即进入自动控制模式 在这种模式 下 为了确保系统能够精准有效地运行 需要预先设置 空气温度 空气湿度 光照强度的阈值 而阈值的设置 则通过右下角的旋钮开关来完成 从左到右分别对应着 空气温度阈值为30 空气湿度阈值为50 光照强度 阈值为300 Lux 操作直观且便捷 另一方面 如果选择 手动控制模式 其操作则通过左下角的旋钮开关和拨动 开关来进行控制 风扇电机和水泵电机的输出功率分为 Medium和High两个挡位 在界面左边的文本框为主控 板与上位机的通信界面 串口通信数据包的起始位为 102 终止位为136 此外 上位机界面的坐标框能够分 别显示空气温度 空气湿度和光照强度的变化曲线 22 在实际应用中 当需要暂停程序运行时 只需将界面右 下角的Close开关拨动为Off档即可 而当点击按END 时 系统会退出当前界面 并将采集到的空气温度 空 气湿度和光照强度等关键数据保存到Excel文档 为后续 的统计与分析工作提供了极大的便利 有助于深入研究 大棚环境的变化规律和系统的运行效果 3 决策系统 风扇电机和水泵电机的输出功率是通过神经网络进 行求解得到的 该神经网络的训练结果如图3 4所示 具体而言 模型通过使用传感器采集的相关数据构建训 练集 并在多次迭代的过程中进行学习 不断调整和优 化模型的参数 最终实现了对目标输出的精确预测 图 3所示为模型训练过程中均方误差 Mean Squared Error MSE 的变化趋势 图中的横坐标代表了训练的迭代次 数 纵坐标则表示MSE值 MSE是衡量模型预测值与实 际目标输出之间偏差的关键指标 能够有效反映模型在 不同阶段的性能表现 通过对图像的观察可以看出 随 着训练次数的增加 MSE逐渐减小 这表明模型的预测 精度随之提高 图中的绿色圆圈标注了在验证集上取得 图1 技术流程 Fig 1 Technical process 图2 上位机界面 Fig 2 Upper computer interface 李得至 周金涛 基于CH32V307VCT6的智能大棚环境检测系统 103 的最优MSE值 意味着在该点模型对验证数据的预测表 现最佳 同时 在第9次迭代时 训练集上的MSE值达 到了最低点 表明此时模型在训练数据上的拟合达到了 最优状态 进一步地 图4所示为模型在训练集 验证 集和测试集上的拟合效果 图中横坐标表示目标输出值 纵坐标表示模型的预测输出值 并以拟合曲线的形式展 示了二者之间的关系 拟合曲线越接近对角线 表示模 型的预测结果与实际目标输出的匹配程度越高 表明模 型的拟合性能越好 为了进一步量化模型的预测性能 本文引入了相关系数R作为评价指标 相关系数R反映 了预测结果与目标输出之间的线性相关性 R值越接近 1 说明模型预测结果与实际输出的相关性越强 从而证 明了模型的有效性与鲁棒性 通过图示与数值结果 可 以清晰地看出模型在不同数据集上的预测表现均较为优 越 验证了该神经网络的高效性和可靠性 当大棚内空 气的温度和湿度超出预先设定的阈值时 神经网络会依 据设定的阈值以及采集到的空气温度和湿度 对风扇电 机和水泵电机的功率大小予以控制 4 硬件设计 主控板的核心处理器为CH32V307VCT6芯片 是一 款高性能的32位RISC V单片机 其MCU主频不仅高达 144 MHz 能够满足高速数据处理的需求 还拥有内置 Flash 256 KB和RAM 64 KB 为程序和数据提供了充足 的存储空间 其丰富的外设接口可以满足 智能大棚环 境检测系统需要外接设备的需求 串口通信设备使用 CP2102为核心芯片 芯片体积小 工作电压为3 3 5 V 具有过流保护功能 即使正负极短路也不会损坏电路板 还支持多种电平之间的转换 如USB转TTL USB转485 等6种方式 电机驱动电路采用TB6612GNG芯片 是一 款双H桥直流电机驱动器 通过控制输入信号来驱动两 个直流电机或单个步进电机 具有大电流驱动的能力 由PWM控制 过热保护 短路保护 外围电路简单等特 点 CH32V307VCT6主控板通过控制电机驱动电路的 PWMA口来控制风扇电机的输出功率 水泵电机的运行 是由MOS管组成的电路来控制 水泵电机的输出功率是 由CH32V307VCT6主控板输出的PWM波控制 通过精 确的控制和调节大棚环境参数 来确保作物始终生长在最 佳条件下 23 24 智能大棚环境检测系统设备如图5所示 其自动追光系统电路如图6所示 追光电路的控制 采用TDA2822芯片 它的电源电压范围为1 8 15 V 静 态电流很小 有助于降低功耗 提高设备的续航能力 内置了短路保护和温度保护功能 可以在一定程度上防 止因外部因素导致的损坏 提高系统的稳定性和安全性 检测大棚空气温度 空气湿度和光照等参数采用GY 39 模块 如图7所示 GY 39是一款低成本气压 温湿 度 光强度传感器模块 工作电压3 5 V 工作电流 5 mA 具有功耗小 安装方便等特点 工作温度的范围 为 40 85 可以适应不同的工作环境 其温度测量范 围为 40 85 测试精度为 1 湿度采样范围为 0 100 测试精度为 3 光照强度采样范围为0 150 000 Lux 响应频率1 Hz 土壤传感器使用316式不 锈钢探针 机体之间使用高密度环氧树脂进行高温真空 灌溉 能阻止水分子进入机身内部 密封性能强 供电 电压5 30 V 其功耗小于11 mA 通信协议采用Mod 图3 MSE的变化趋势 Fig 3 Trend of MSE variation 图4 模型拟合效果 Fig 4 Model fitting effect 图5 主控板 Fig 5 Main control board 2025年08月 机 电 工 程 技 术 第54卷 第16期 104 Bus RTU 数据刷新时间小于1 s 土壤温度测试范围 为 30 70 分辨率0 01 精度为 5 土壤湿度测 试范围为0 100 分辨率0 01 土壤湿度在0 50 时 测试精度为 2 土壤湿度在51 100 时 测试 精度为 3 pH检测范围3 9 5 测验验证与结果分析 GY 39传感器一帧光照强度的数据为5A 5A 15 04 03 F2 DC 40 DE 其5A 5A 15 04为帧头 DE为帧尾 由前面 的数据相加保留低8位得到 其光照强度的计算公式如下 L 0 x03 24 0 xF2 16 0 xDC 8 0 x40 100 1 GY 39采集到的空气温度 空气湿度等数据为 5A5A 45 0A 0B 2D 00 97 C4 3F 12 77 00 9C FA 其5A 5A 45 0A为帧头 FA为帧尾 空气温湿度的计算公式如下 T 0 x0B 8 0 x0D 100 2 H 0 x12 8 0 x77 100 3 土壤传感器参数设置寄存器长度高8位设置为0 x00 寄存器长度低8位设置为0 x07 分别读取土壤温度 土 壤湿度 pH值 氮磷钾微量元素的含量 表1所示为土 壤传感器采集到的数据 此类土壤适合大豆 蕃茄 香 蕉 草莓 蛋白 梅干 柠檬 菠菜等蔬菜 GY 39采集到的数据如表2所示 风扇启动的阈值 为30 当大棚内空气温度大于30 时 启动风扇对大棚 进行降温 水泵启动的阈值为50 当大棚内空气湿度小 于50 时 水泵开始工作 水泵电机 风扇电机的输出 功率由神经网络模型决定 灯光启动的阈值为300 当 大棚内光照强度小于300 Lux时 启动补光系统 太阳能追光系统如图8所示 从左到右 光源的位 置依次分布在东南方向 东方向以及东北方向 该追光 系统能够敏锐地感知光源的移动 并随之移动 始终确 保太阳能板能面向光源 通过这样的方式 使得太阳能 板能够持续保持在最大功率输出的状态 从而有效地为 锂电池蓄积能量 以预防可能出现的突发状况 保障整 个系统的稳定运行和持续供能 6 结束语 本文提出基于CH32V307VCT6智能大棚检测系统 具有自动化 智能化的优点 通过串口通信把GY 39模 块和土壤检测模块采集到的空气温度 空气湿度 光照 强度 土壤温度 土壤湿度 pH值 土壤氮磷钾微量元 素的含量等数据传输给上位机 实现对大棚环境参数的 实时监控 传感器采集到的空气温度和空气湿度作为神 经网络模型的训练集进行训练 搭建的神经网络模型可 以根据大棚的环境参数与预先设置的阈值作对比 给出 控制水泵电机和风扇电机输出功率大小的指令 最后把 图6 自动追光电路 Fig 6 Automatic tracking circuit 图7 GY 39模块 Fig 7 GY 39 module 检测目标 土壤样本1 土壤样本2 土壤样本3 土壤样本4 土壤样本5 土壤 温度 24 8 24 8 24 8 27 0 24 8 土壤 湿度 43 9 47 4 43 0 14 3 30 1 pH值 8 9 8 9 8 9 8 7 8 9 氮元素含量 mg L 1 52 54 45 6 22 磷元素含量 mg L 1 167 172 150 59 98 钾元素含量 mg L 1 160 165 143 52 90 空气湿度 51 83 65 83 47 20 50 07 51 30 52 46 46 50 96 89 空气温度 27 57 32 58 28 63 28 14 27 82 29 48 29 19 31 23 光照强度 Lux 2 587 8 5 4 1 079 4 128 0 204 0 1 014 6 450 6 645 6 启动 水泵 否 否 是 否 否 否 是 否 启动 风扇 否 是 否 否 否 否 否 是 开启 灯光 否 是 否 是 是 否 否 否 表1 土壤采样结果 Tab 1 Soil sampling results 表2 GY 39采集的数据 Tab 2 Data collected by GY 39 图8 太阳能追光系统 Fig 8 Solar chasing system 李得至 周金涛 基于CH32V307VCT6的智能大棚环境检测系统 105 传感器采集到的大棚环境参数的数据保存在Excel表格 中 方便数据的统计与查验 本文提出的智能温室大棚 控制系统成本低 操作方便 效率高 具有良好的应用 价值和发展前景 参考文献 1 毛群 张勇 温室大棚智能控制系统设计与实现 J 机械研究 与应用 2020 33 6 145 148 MAO Qun ZHANG Yong Design and Implementation of Green house Intelligent Control System J Mechanical Research Ap plication 2020 33 6 145 148 2 柴寿海 基于STM32的智能大棚控制系统 J 大众科技 2023 25 8 1 4 Chai Shouhai Intelligent Greenhouse Control System Based on STM32 J Popular Science Technology 2023 25 8 1 4 3 朱宇娟 智能温室大棚全方位调温系统创新设计与应用 J 黑 龙江粮食 2023 3 75 77 Zhu Yujuan Innovative design and application of intelligent greenhouse all round temperature regulation system J Heilongji ang Grain 2023 3 75 77 4 王红杰 智能控制温室大棚实际应用探究 J 河北农业 2023 10 78 79 Wang Hongjie Research on the practical application of intelligent control greenhouse J Hebei Agriculture 2023 10 78 79 5 常子欣 基于labVIEW的温室大棚测控系统设计 J 中国科技 信息 2019 9 74 75 Chang Zixin Design of greenhouse measurement and control sys tem based on labVIEW J China Science and Technology Infor mation 2019 9 74 75 6 王尧 张茂省 赵财胜 等 黄土高原山水林田湖草生态保护修 复模式与实践 J 测绘科学 2023 48 4 199 210 WANG Yao ZHANG Maosheng ZHAO Caisheng et al Ecological protection restoration model and practice of mountains rivers for ests farmlands lakes grasslands on the Loess Plateau J Science of Surveying and Mapping 2023 48 4 199 210 7 饶章宇 基于ZigBee的智能大棚系统设计 J 计算机时代 2019 8 21 23 Rao Zhangyu Design of intelligent greenhouse system based on ZigBee J Computer Era 2019 8 21 23 8 刘显忠 智能大棚的研究现状及设计原则 J 吉林农业 2019 16 93 Liu Xianzhong Research status and design principles of intelli gent greenhouse J Agriculture of Jilin 2019 16 93 9 熊昌炯 马豪 刘建军 基于STM32的大棚智能喷灌系统设计 J 榆林学院学报 2019 29 2 38 40 XIONG Changjiong MA Hao LIU Jianjun Design of Intelligent Greenhouse Sprinkler Irrigation System Based on STM32 J Jour nal of Yulin University 2019 29 2 38 40 10 郝雪飞 温室大棚智能传感系统的设计与实现 D 南京 南京 邮电大学 2019 11 刘光伟 智能农业大棚系统探究 J 广东蚕业 2020 54 7 59 60 Liu Guangwei Research on IntelligentAgricultural Greenhouse System J Guangdong Sericulture 2020 54 7 59 60 12 程仕发 智能温室大棚监控系统的研究与设计 D 太原 太原 理工大学 2020 13 祖一康 徐妙婧 基于单片机和PID算法的温度智能控制系 统设计 J 现代电子技术 2024 47 8 83 89 ZU Yikang XU Miaojing Design of temperature intelligent con trol system based on single chip microcontroller and PID algo rithm J Modern Electronics Technique 2024 47 8 83 89 14 吴彬 刘煜 马鑫磊 智能温室大棚自动控制系统的设计 J 现 代农机 2024 1 76 78 Wu Bin Liu Yu Ma Xinlei Design of intelligent greenhouse auto matic control system J Modern Agricultural Machinery 2024 1 76 78 15 陈鑫 谭晓静 温室大棚智能灌溉系统设计 J 福建电脑 2022 38 11 110 112 CHEN Xin TAN Xiaojing Design of Intelligent Irrigation Sys tem for Greenhouse J Journal of Fujian Computer 2022 38 11 110 112 16 李慧 刘毅 温室控制技术的发展方向 J 林业机械与木工设 备 2004 5 4 7 Li Hui Liu Yi The Development Tendency of Control Technolo gy for Greenhouse J Forestry Machinery Woodworking Equipment 2004 5 4 7 17 高泽鹏 宋晓茹 陈超波 等 一种智能节水大棚喷灌控制系统 的设计 J 国外电子测量技术 2019 38 9 79 84 Gao Zepeng Song Xiaoru Chen Chaobo et al Design of intelli gent greenhouse sprinkler irrigation control system for water saving J Foreign Electronic Measurement Technology 2019 38 9 79 84 18 刘显忠 智能大棚的研究现状及设计原则 J 吉林农业 2019 16 93 Liu Xianzhong Research status and design principles of intelli gent greenhouse J Agriculture of Jilin 2019 16 93 19 刘旺 王若楠 张孟浩 等 农业大棚温湿度智能控制与应用 J 工业控制计算机 2024 37 4 132 134 Liu Wang Wang Ruonan Zhang Menghao et al A system for Control of Temperature and Humidity in Agricultural Green houses J Industrial Control Computer 2024 37 4 132 134 20 陈丽莉 吴金蔬 蒋林志 等 基于山地农业大棚的智能系统设 计 C 2022年川渝大学生 数智 作品设计应用技能大赛暨 第八届四川省大学生智能硬件设计应用大赛会议论文集 2022 21 陈浩杨 刘丹 樊亚妮 智能温室大棚控制系统的设计与实现 J 电子制作 2024 32 16 45 47 Chen Haoyang Liu Dan Fan Yani Design and Implementation of Intelligent Greenhouse Control System J Practical Electronics 2024 32 16 45 47 22 蔡楦 周姣姣 申健 等 风光互补的新型智能温室大棚 J 西 藏科技 2024 46 3 13 17 Cai Xuan Zhou Jiaojiao Shen Jian et al A new type of intelli gent greenhouse with complementary wind andsolar J Xizang Science and Technology 2024 46 3 13 17 23 张诚诚 基于智能控制的农业精准灌溉系统设计研究 J 农 业与技术 2024 44 5 46 48 Zhang Chengcheng Research on the design of agricultural preci sion irrigation system based on intelligent control J Agriculture and Technology 2024 44 5 46 48 24 张平 蔬菜大棚光伏组件自动追光电路设计及Labview数据 采集 J 农业装备技术 2019 45 6 15 16 Zhang Ping Design of automatic light tracking circuit for photo voltaic modules in vegetable greenhouse and Labview data ac quisition J Agricultural Equipment Technology 2019 45 6 15 16 作者简介 李得至 2000 男 四川德阳人 硕士研究生 研究领域 为检测技术与仪器 周金涛 2001 男 湖北安陆人 硕士研究生 研究领域 为深度学习目标检测 2025年08月 机 电 工 程 技 术 第54卷 第16期 106