基于STM32的全栈嵌入式解决方案：LoRa、MQTT和阿里云IoT平台构建的智慧农业监控系统（附代码示例）

摘要： 随着科技的进步，物联网技术在农业领域的应用越来越广泛。本文介绍一个基于物联网的智慧农业监控系统，该系统可以实时监测农田的环境数据，并根据数据自动控制灌溉、施肥等操作，提高农业生产效率。

关键词： 物联网，智慧农业，STM32，LoRa，MQTT，阿里云

一、项目概述

1.1 项目背景

传统的农业生产方式主要依靠人工经验，效率低下且容易受到自然灾害的影响。随着物联网技术的快速发展，智慧农业应运而生。智慧农业利用传感器、无线通信、云计算等技术，实现对农田环境的实时监测和智能控制，提高农业生产效率和效益。

1.2 项目目标

本项目旨在搭建一个基于物联网的智慧农业监控系统，实现以下目标：

实时监测农田环境数据： 包括土壤湿度、温度、光照强度、空气温湿度等。
自动控制灌溉和施肥： 根据预设的阈值和实时环境数据，自动控制灌溉系统和施肥设备。
数据可视化和分析： 将采集到的数据上传至云平台，并进行可视化展示和分析，为农业生产提供决策支持。

二、系统设计

2.1 系统架构

本系统采用分层架构设计，主要包括设备层、网关层、云平台层和应用层，如下图所示：

2.2 硬件设计

2.2.1 设备节点

设备节点是系统的感知层，负责采集农田环境数据。每个节点包含以下模块：

微控制器： STM32，负责控制传感器数据采集和 LoRa 模块通信。
传感器： 土壤湿度传感器、温度传感器、光照传感器等，用于采集农田环境数据。
LoRa 模块： 用于将采集到的数据发送至网关。

2.2.2 网关

网关负责接收来自设备节点的数据，并将其转发至云平台。本系统采用 LoRaWAN 网关，支持 LoRaWAN 协议，可以实现远距离、低功耗的数据传输。

2.3 软件设计

2.3.1 设备端软件

设备端软件运行在 STM32 微控制器上，主要功能包括：

传感器数据采集： 定时采集传感器数据。
数据处理： 对采集到的数据进行预处理，例如滤波、校准等。
LoRa 通信： 通过 LoRa 模块将数据发送至网关。

2.3.2 网关软件

网关软件运行在 Linux 操作系统上，主要功能包括：

LoRaWAN 协议处理： 接收来自设备节点的数据，并进行 LoRaWAN 协议解析。
数据转发： 将解析后的数据通过 MQTT 协议转发至云平台。

2.3.3 云平台软件

云平台软件部署在阿里云 IoT 平台上，主要功能包括：

数据接收和存储： 接收来自网关的数据，并将其存储到时序数据库中。时序数据库适用于存储带时间戳的数据，例如传感器数据，可以高效地存储和查询大量时间序列数据。
数据可视化： 提供数据可视化界面，方便用户查看农田环境数据。可以通过图表、地图等形式展示数据，例如土壤湿度变化趋势、温度分布图等，使用户直观地了解农田环境状况。
数据分析和预测： 利用机器学习算法对历史数据进行分析，例如预测作物生长趋势、土壤肥力状况等，为农业生产提供决策支持。例如，可以根据历史数据建立模型，预测未来几天的土壤湿度变化，从而制定合理的灌溉计划。
规则引擎和自动控制： 可以设置规则引擎，根据预设的条件触发相应的操作，例如当土壤湿度低于设定阈值时，自动开启灌溉系统。
用户管理和权限控制： 提供用户管理功能，可以创建不同权限的用户，例如管理员可以查看所有数据和设置系统参数，普通用户只能查看部分数据。

2.3.4 应用端软件

应用端软件采用 Vue.js + ECharts 开发，主要功能包括：

数据可视化： 从云平台获取数据，并使用 ECharts 图表库进行可视化展示。
远程监控和控制： 用户可以通过应用端远程查看农田环境数据，并发送控制指令，例如开启/关闭灌溉系统。
报警信息推送： 当农田环境数据出现异常时，例如土壤湿度过低，系统会向用户推送报警信息。

三、代码实现

本节将展示智慧农业监控系统的核心代码示例，并对代码进行详细说明，突出项目所使用的技术栈。

3.1 设备端代码示例

设备端使用 STM32 + FreeRTOS + 传感器 + LoRa 模块实现数据采集和 LoRaWAN 数据传输。

#include <stm32f1xx_hal.h>
#include "FreeRTOS.h"
#include "task.h"
#include "lora.h" // LoRa 模块驱动// 传感器数据结构体
typedef struct {uint16_t soil_moisture; // 土壤湿度uint16_t temperature;   // 温度uint16_t light_intensity; // 光照强度
} SensorData;// LoRaWAN 数据发送任务
void lora_task(void *pvParameters) {SensorData sensor_data;// 初始化 LoRa 模块lora_init();while (1) {// 读取传感器数据sensor_data.soil_moisture = read_soil_moisture();sensor_data.temperature = read_temperature();sensor_data.light_intensity = read_light_intensity();// 组装 LoRaWAN 数据包char data_buffer[50];sprintf(data_buffer, "SM=%u,T=%u,LI=%u", sensor_data.soil_moisture, sensor_data.temperature, sensor_data.light_intensity);// 发送 LoRaWAN 数据包lora_send(data_buffer, strlen(data_buffer));// 任务延时，例如 10 秒vTaskDelay(pdMS_TO_TICKS(10000));}
}int main(void) {// 初始化 HAL 库HAL_Init();// 初始化 FreeRTOS// ...// 创建 LoRaWAN 数据发送任务xTaskCreate(lora_task, "LoraTask", configMINIMAL_STACK_SIZE, NULL, 1, NULL);// 启动 FreeRTOS 调度器vTaskStartScheduler();while (1); // 不会执行到此处
}

代码说明:

使用 FreeRTOS 创建任务 lora_task，负责周期性采集传感器数据，并通过 LoRa 模块发送。
使用 sprintf 函数将传感器数据格式化为字符串，方便 LoRaWAN 数据传输。
使用 LoRa 模块驱动程序 (lora.h) 提供的函数发送 LoRaWAN 数据包。

3.2 网关代码示例

网关使用 LoRaWAN 网关 + Linux + Python + MQTT Broker 实现 LoRaWAN 数据接收和 MQTT 数据转发。

import os
import subprocess
import paho.mqtt.client as mqtt# MQTT Broker 配置
MQTT_BROKER = "mqtt.example.com"
MQTT_PORT = 1883
MQTT_TOPIC = "agriculture/sensor_data"# LoRaWAN 数据接收回调函数
def on_lora_receive(data):# 解析 LoRaWAN 数据包，例如使用 CayenneLPP 解码# ...# 连接到 MQTT Brokerclient = mqtt.Client()client.connect(MQTT_BROKER, MQTT_PORT, 60)# 发布数据到 MQTT 主题client.publish(MQTT_TOPIC, payload=data, qos=0)# 断开 MQTT 连接client.disconnect()# 监听 LoRaWAN 数据
def listen_lora_data():# 使用 subprocess 模块调用 LoRaWAN 网关应用程序，并获取数据process = subprocess.Popen(["lora-gateway", "--mode=packet_forwarder"], stdout=subprocess.PIPE)while True:line = process.stdout.readline().decode("utf-8")if "RX_PACKET" in line:# 提取 LoRaWAN 数据包data = line.split(",")[7]on_lora_receive(data)if __name__ == "__main__":listen_lora_data()

代码说明:

使用 subprocess 模块调用 LoRaWAN 网关应用程序，例如 lora-gateway，并实时获取 LoRaWAN 数据。
解析 LoRaWAN 数据包，提取传感器数据。
使用 paho.mqtt.client 库连接到 MQTT Broker，并将数据发布到指定主题。

3.3 云平台代码示例

from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.request import CommonRequest
from aliyunsdkiot.request.v20180120 import QueryDeviceDesiredPropertyRequest# 阿里云 IoT 平台配置
ACCESS_KEY_ID = "your_access_key_id"
ACCESS_KEY_SECRET = "your_access_key_secret"
REGION_ID = "your_region_id"
PRODUCT_KEY = "your_product_key"
DEVICE_NAME = "your_device_name"# 初始化阿里云 IoT 平台客户端
client = AcsClient(ACCESS_KEY_ID, ACCESS_KEY_SECRET, REGION_ID)# 处理 MQTT 消息
def on_message(client, userdata, message):# 解析传感器数据data = json.loads(message.payload.decode("utf-8"))# 存储数据到时序数据库# ...# 调用机器学习平台 API 进行数据分析和预测# ...# 更新设备影子update_device_shadow(data)# 更新设备影子
def update_device_shadow(data):request = QueryDeviceDesiredPropertyRequest.QueryDeviceDesiredPropertyRequest()request.set_accept_format('json')request.set_ProductKey(PRODUCT_KEY)request.set_DeviceName(DEVICE_NAME)# 设置要更新的属性值request.set_Items(json.dumps({"SoilMoisture": data["soil_moisture"],"Temperature": data["temperature"],"LightIntensity": data["light_intensity"]}))response = client.do_action_with_exception(request)print(response)# 连接到 MQTT Broker
client = mqtt.Client()
client.on_connect = on_connect
client.on_message = on_message
client.connect("mqtt.example.com", 1883, 60)
client.loop_forever()

代码说明: