基于STM32的中药仓库智能监测系统设计与实现

1. 项目背景与核心需求

中药作为我国传统医学的重要组成部分，其存储环境直接影响药效和安全性。传统中药仓库多依赖人工巡检，存在监测滞后、调控不及时等问题。我们团队基于STM32单片机开发的这套智能监测系统，正是为了解决这一行业痛点。

在实际药材存储中，温度、湿度和二氧化碳浓度是三个最关键的指标：

• 温度过高会加速药材成分挥发（如薄荷等芳香类药材）
• 湿度过大易导致霉变（如人参、当归等根茎类药材）
• CO₂浓度异常会影响药材呼吸作用（如鲜药保存）

系统设计时重点考虑了以下实际场景需求：

1. 多点监测需求：大型仓库需部署多个监测节点
2. 实时响应要求：异常情况需在30秒内触发报警
3. 低功耗运行：多数仓库位于郊区，需考虑断电情况
4. 运维便捷性：乡镇药房工作人员可能缺乏专业技术

经验提示：在南方潮湿地区，湿度传感器建议选用电容式而非电阻式，长期高湿环境下稳定性更好。

2. 硬件架构设计与选型

2.1 核心控制器方案对比

我们最终选定的STM32F103C8T6（以下简称C8T6）并非随意选择，而是经过多维度对比测试：

选择C8T6的核心考量：

1. 性价比优势：比ESP32便宜近50%，满足"低成本"需求
2. 资源充足：64KB Flash足够存储监测算法和协议栈
3. 生态完善：STM32系列在工业领域有丰富案例参考
4. 扩展性强：112个GPIO方便后续添加新传感器

2.2 传感器模块详解

2.2.1 温湿度传感器选型

经过实测对比三种常见型号：

c复制// SHT30读取示例代码
void SHT30_Read(float *temp, float *humi) {
    uint8_t data[6];
    HAL_I2C_Mem_Read(&hi2c1, 0x44<<1, 0x2C, 1, data, 6, 100);
    *temp = -45 + 175*(float)((data[0]<<8)|data[1])/65535;
    *humi = 100*(float)((data[3]<<8)|data[4])/65535;
}

最终选用SHT30的原因：

• 精度：±0.2℃（DHT22为±0.5℃）
• 响应时间：2s（DHT11需5s以上）
• 抗干扰：内置抗RF干扰设计
• 寿命：>5年（工业级封装）

2.2.2 CO₂传感器方案

比较了以下三种实现方式：

1. MH-Z19B红外式（成本高但精度好）
2. CCS811金属氧化物（易受VOC干扰）
3. SCD30激光散射（价格昂贵）

最终选择MH-Z19B的折中方案，关键参数：

• 量程：0~5000ppm
• 精度：±(50ppm+5%读数)
• 预热时间：<3分钟
• UART输出，便于直接对接STM32

2.3 通信模块设计

WiFi模块选型对比表：

选择ESP8266的实践考量：

1. 成熟稳定的AT指令固件
2. 已有完善的STM32驱动库
3. 支持SmartConfig一键配网
4. 实际测试在砖墙环境下仍能稳定传输

避坑指南：使用ESP-01S型号而非ESP-01，前者已内置上拉电阻，硬件设计更简单。

3. 软件系统实现细节

3.1 主程序架构设计

采用前后台系统架构：

c复制void main() {
    Hardware_Init();  // 硬件初始化
    Network_Connect(); // 网络连接
    
    while(1) {
        Sensor_Update();  // 传感器数据采集
        Alarm_Check();    // 阈值判断
        Display_Refresh();// LCD刷新
        Cloud_Upload();   // 数据上传
        HAL_Delay(1000);  // 1秒周期
    }
}

关键设计要点：

1. 采用1秒为主循环周期，平衡实时性与功耗
2. 各功能模块采用状态机实现
3. 网络通信采用非阻塞式设计
4. 重要操作添加看门狗喂狗机制

3.2 传感器数据处理算法

3.2.1 滑动平均滤波实现

针对传感器数据抖动问题，采用窗口大小为5的滑动平均：

c复制#define FILTER_SIZE 5

typedef struct {
    float buffer[FILTER_SIZE];
    uint8_t index;
} Filter_t;

float Moving_Average(Filter_t *filter, float new_val) {
    filter->buffer[filter->index++] = new_val;
    if(filter->index >= FILTER_SIZE) filter->index = 0;
    
    float sum = 0;
    for(uint8_t i=0; i<FILTER_SIZE; i++) {
        sum += filter->buffer[i];
    }
    return sum / FILTER_SIZE;
}

3.2.2 阈值判断逻辑

采用滞环比较法避免频繁报警：

c复制void Alarm_Check(void) {
    // 温度判断（滞环2℃）
    if(temp > (temp_threshold + 1)) {
        Set_Alarm(TEMP_HIGH);
        Start_Cooling();
    } 
    else if(temp < (temp_threshold - 1)) {
        Set_Alarm(TEMP_LOW);
        Stop_Cooling();
    }
    
    // 湿度判断（滞环5%RH）
    if(humi > (humi_threshold + 2.5)) {
        Set_Alarm(HUMI_HIGH);
        Start_Dehumidify();
    }
    // ...类似处理其他参数
}

3.3 网络通信协议设计

自定义轻量级JSON协议：

json复制{
    "dev":"WH-001",
    "time":"2024-03-20 14:30:00",
    "data":{
        "temp":25.3,
        "humi":45.2,
        "co2":680
    },
    "alarm":0
}

协议优化点：

1. 采用单层数据结构，减少解析复杂度
2. 使用整型alarm字段，通过位域表示多种报警
3. 添加CRC16校验字段（实际代码中）
4. 心跳包设计为30秒间隔

4. 系统测试与问题排查

4.1 环境适应性测试

在不同温湿度条件下的稳定性测试：

暴露的问题及解决方案：

1. 阳光直射导致SHT30读数漂移 → 增加防辐射罩
2. 空调出风口附近CO₂读数异常 → 调整传感器安装位置
3. 多WiFi设备干扰 → 改用信道6（避开常见1/11信道）

4.2 典型故障排查表

4.3 功耗优化实践

通过实测发现的主要耗电点及优化措施：

1. WiFi模块持续连接：改为每5分钟连接一次，数据本地缓存
2. LCD背光常亮：添加光感自动调节功能
3. 冗余传感器采样：将CO₂传感器采样间隔从1分钟延长至5分钟
4. 未使用的硬件外设：关闭ADC、DAC等未用模块时钟

优化前后对比：

• 平均电流：从85mA → 28mA
• 电池续航：从8小时 → 24小时（2000mAh电池）

5. 部署与维护建议

5.1 现场安装规范

根据多个药房实际部署经验，总结以下要点：

1. 传感器布置原则：

   • 每50㎡至少部署1个监测点
   • 距地面1.5-1.8米高度（避免堆垛影响）
   • 远离门窗、空调出风口等干扰源

2. 线路敷设技巧：

   • 强电弱电分开走线（间距>30cm）
   • RS485总线采用手拉手拓扑
   • 网线超过50米需加中继器

3. 防雷措施：

   • 室外天线加装避雷器
   • 电源入口处安装防浪涌插座

5.2 长期维护要点

系统运行三个月后的维护建议：

1. 传感器校准周期：

   • 温湿度：每6个月（或异常天气后）
   • CO₂传感器：每12个月
   • 使用标准校准源（如饱和盐溶液）

2. 固件升级策略：

   • 保留双Bank Flash，支持回滚
   • 采用差分升级包减小流量
   • 添加升级失败自动恢复机制

3. 数据备份方案：

   • 本地SD卡存储最近30天数据
   • 云端自动同步重要报警事件
   • 定期导出CSV格式报表

这套系统在华南地区某中药企业的实际应用中，使药材损耗率降低了37%，人工巡检工作量减少65%。后续我们计划加入AI算法，实现基于历史数据的存储环境预测优化。