基于STM32的中药仓库物联网管理系统设计与实现

1. 项目背景与需求分析

中药仓库管理一直是医药行业中的重点难点。传统的人工记录方式存在易出错、效率低、难以追溯等问题。我在参与某中药企业仓储改造项目时，发现他们还在使用纸质台账记录药材的入库、出库和库存情况，经常出现账实不符的情况。

这个基于单片机的解决方案，主要解决以下几个痛点：

• 温湿度监测不精准导致药材变质
• 库存数据更新滞后造成管理混乱
• 药材批次信息难以追溯
• 人工盘点效率低下

2. 系统整体架构设计

2.1 硬件组成

系统采用模块化设计，主要包含：

1. 主控模块：STM32F103C8T6最小系统板
2. 环境监测模块：
   • DHT22温湿度传感器
   • BH1750光照传感器
3. 数据采集模块：
   • RFID读卡器（MFRC522）
   • 称重传感器（HX711）
4. 人机交互模块：
   • 0.96寸OLED显示屏
   • 矩阵键盘
5. 通信模块：
   • ESP8266 WiFi模块
   • 4G模块（SIM800C）

2.2 软件架构

采用分层设计：

1. 驱动层：硬件抽象层（HAL）
2. 中间件层：FreeRTOS实时操作系统
3. 应用层：
   • 数据采集任务
   • 环境监控任务
   • 通信任务
   • 人机交互任务

3. 核心功能实现细节

3.1 药材标识与识别

每包药材贴附无源RFID标签（NTAG213），存储以下信息：

• 药材编号（12位数字）
• 入库时间（Unix时间戳）
• 批次号（8位字母数字组合）
• 重量（单位：克）

标签数据采用AES-128加密，防止篡改。读卡距离控制在3-5cm，避免误读。

3.2 环境监控系统

温湿度采样周期设置为5分钟，当出现以下情况触发报警：

• 温度>28℃或<15℃（持续30分钟）
• 湿度>65%或<45%（持续30分钟）

报警策略：

1. 本地声光报警（蜂鸣器+LED）
2. 微信推送（通过企业微信API）
3. 短信通知（4G模块）

3.3 库存管理算法

采用动态权重算法计算库存预警值：

code复制预警值 = 基础库存 × (1 + 季节系数 + 销量波动系数)

其中：

• 基础库存：过去3个月平均用量
• 季节系数：0.1（夏季）、0（春秋）、-0.05（冬季）
• 销量波动系数：最近7天销量变化率的移动平均

4. 通信协议设计

4.1 数据上传协议

采用MQTT协议，主题设计：

• 上传主题：/warehouse/[deviceID]/upload
• 指令主题：/warehouse/[deviceID]/command

数据包格式：

json复制{
  "timestamp": 1634567890,
  "device_id": "WH-001",
  "sensor_data": {
    "temp": 25.3,
    "humi": 58.2,
    "light": 120
  },
  "inventory": [
    {
      "id": "HERB-202109-001",
      "weight": 500,
      "location": "A-12"
    }
  ]
}

4.2 离线处理机制

当网络中断时：

1. 数据暂存内部Flash（循环存储，最多1000条）
2. 网络恢复后按时间顺序补传
3. 超过24小时未恢复时，通过短信发送关键数据

5. 电源管理设计

采用双电源供电方案：

• 主电源：220V AC转5V DC
• 备用电源：18650锂电池组（2节并联）

电源切换逻辑：

1. 主电源正常时：给系统供电并充电
2. 主电源异常时：自动切换电池供电
3. 电池电压<3.3V时：进入低功耗模式（关闭非必要外设）

实测待机功耗：

• 全功能模式：85mA@5V
• 低功耗模式：12mA@5V

6. 实际部署经验

6.1 安装注意事项

1. RFID天线安装：

   • 距金属表面至少5cm
   • 避免多个读卡器天线正对
   • 最佳读取角度：标签与天线平面夹角<30°

2. 传感器布置：

   • 每50㎡布置1个温湿度监测点
   • 避开空调出风口和门窗
   • 高度1.5-1.8米（与人呼吸带同高）

6.2 常见问题排查

1. RFID读取失败：

   • 检查标签是否完好
   • 调整读卡器功率（建议26dBm）
   • 更换不同频段的标签（13.56MHz/125kHz）

2. 数据上传异常：

   c复制// 网络重连示例代码
   void wifi_reconnect() {
     while(WiFi.status() != WL_CONNECTED) {
       WiFi.disconnect();
       delay(1000);
       WiFi.begin(ssid, password);
       delay(5000);
       if(retry_count++ > 3) {
         switch_to_4g();
         break;
       }
     }
   }
   

7. 系统优化方向

1. 引入机器学习算法预测库存需求
2. 增加图像识别辅助RFID校验
3. 开发手机端盘点APP
4. 对接企业ERP系统

实际运行数据显示，系统投入使用后：

• 库存准确率从78%提升至99.6%
• 药材损耗率降低43%
• 盘点效率提高5倍

这个项目让我深刻体会到，好的物联网系统不仅要技术可靠，更要深入理解行业特性。比如不同药材的存储要求差异很大，需要灵活配置监控参数。下一步我计划加入药材特性知识库，实现更智能的环境调控。