STM32温室大棚环境监测系统设计与实现

1. 项目概述与核心价值

这个基于STM32的温室大棚环境监测系统，是我在农业物联网领域实践多年的一个典型应用案例。整套系统通过多传感器协同工作，实现了对环境参数的实时监测与智能调控，特别适合中小型温室大棚的自动化管理需求。

核心功能架构上，系统采用了"感知-传输-控制"的三层设计：

• 感知层：DHT11温湿度传感器、光敏电阻、MQ-2烟雾传感器和土壤湿度传感器组成数据采集网络
• 传输层：ESP8266 WiFi模块负责将数据上传至云平台
• 控制层：STM32F103C8T6主控通过继电器组驱动执行机构

实际部署中发现，采用模块化设计后，单个传感器故障不会影响整体系统运行，这得益于我们坚持的合成复用原则——通过对象组合而非继承来扩展功能。

2. 硬件系统设计详解

2.1 主控选型与电路设计

选择STM32F103C8T6作为主控芯片，主要基于三点考量：

1. 72MHz主频足够处理多传感器数据
2. 丰富的GPIO接口(37个I/O)满足外设连接需求
3. 内置的ADC模块可直接读取模拟传感器信号

电源电路设计时特别注意：

• 采用AMS1117-3.3V为MCU供电
• 继电器模块单独使用5V电源
• 模拟传感器供电增加LC滤波电路

c复制// 典型ADC初始化代码
void ADC1_Init(void)
{
    ADC_InitTypeDef ADC_InitStructure;
    RCC_APB2PeriphClockCmd(RCC_APB2Periph_ADC1, ENABLE);
    
    ADC_InitStructure.ADC_Mode = ADC_Mode_Independent;
    ADC_InitStructure.ADC_ScanConvMode = DISABLE;
    ADC_InitStructure.ADC_ContinuousConvMode = DISABLE;
    ADC_InitStructure.ADC_ExternalTrigConv = ADC_ExternalTrigConv_None;
    ADC_InitStructure.ADC_DataAlign = ADC_DataAlign_Right;
    ADC_InitStructure.ADC_NbrOfChannel = 1;
    ADC_Init(ADC1, &ADC_InitStructure);
    
    ADC_Cmd(ADC1, ENABLE);
    ADC_ResetCalibration(ADC1);
    while(ADC_GetResetCalibrationStatus(ADC1));
    ADC_StartCalibration(ADC1);
    while(ADC_GetCalibrationStatus(ADC1));
}

2.2 传感器模块选型对比

实际测试中发现，DHT11在高温高湿环境下容易出现数据漂移，建议有条件的可以升级为SHT30传感器。

3. 软件系统实现

3.1 多任务调度设计

采用时间片轮询方式管理各传感器：

1. 每100ms读取一次土壤湿度
2. 每2秒读取一次温湿度
3. 每5秒读取一次光照和烟雾
4. 每10秒上传一次数据到云端

c复制void Task_Scheduler(void)
{
    static uint32_t tick = 0;
    
    if(HAL_GetTick() - tick >= 100) {
        tick = HAL_GetTick();
        
        // 100ms任务
        SoilTask();
        
        if(tick % 20 == 0) { // 2s
            DHT11Task();
        }
        
        if(tick % 50 == 0) { // 5s
            LightTask();
            SmokeTask();
        }
        
        if(tick % 100 == 0) { // 10s
            CloudUploadTask();
        }
    }
}

3.2 云端通信协议设计

采用MQTT协议与阿里云IoT平台通信，消息格式设计为JSON：

json复制{
  "deviceId": "GH001",
  "timestamp": 1634567890,
  "data": {
    "temp": 25.3,
    "humi": 65.2,
    "light": 1200,
    "smoke": 150,
    "soil": 45
  }
}

实测中发现，保持心跳间隔在60秒时，既能维持稳定连接又不会消耗过多流量。

4. 系统部署与调试经验

4.1 硬件安装要点

1. 温湿度传感器应远离通风口和阳光直射
2. 土壤湿度探头插入深度建议5-8cm
3. 光照传感器需朝上安装在大棚顶部
4. 烟雾传感器应安装在设备集中区域

4.2 典型问题排查

5. 系统优化方向

1. 增加太阳能供电模块实现离网运行
2. 引入机器学习算法预测环境变化
3. 扩展LoRa通信实现多大棚组网
4. 添加摄像头实现作物生长监测

这套系统经过三个种植季的实际验证，相比传统人工管理可节省约40%的人力成本，同时将作物产量提高了15-20%。特别是在极端天气情况下，自动调控系统能快速响应环境变化，有效避免了作物损失。