一、系统架构设计

A $感知层$ --> B $网络层$

B --> C $平台层$

C --> D $应用层$

A -->|传感器数据| B

B -->|MQTT/4G| C

C -->|数据库存储| D

D -->|可视化| E $用户终端$

二、硬件选型

主控设备

Raspberry Pi 4B（边缘计算节点）
ESP32（低成本无线节点）

传感器模块

温湿度：DHT22/AM2302
光照强度：BH1750
土壤湿度：FC-28（带防水探头）
CO2浓度：MH-Z19B
摄像头：Pi Camera（病虫害监测）

通信模块

LoRa模块（远距离低功耗）
SIM800C（4G通信）
ESP32内置WiFi/BLE

三、软件实现核心代码

传感器数据采集（Python + GPIO）

import Adafruit_DHT

import board

import busio

import adafruit_bh1750

温湿度传感器

def read_dht22(pin):

sensor = Adafruit_DHT.DHT22

humidity, temperature = Adafruit_DHT.read_retry(sensor, pin)

return {'temp': temperature, 'humidity': humidity}

光照传感器

i2c = busio.I2C(board.SCL, board.SDA)

bh1750 = adafruit_bh1750.BH1750(i2c)

lux = bh1750.lux

MQTT数据传输（Paho-MQTT）

import paho.mqtt.client as mqtt

def on_connect(client, userdata, flags, rc):

print("Connected with code", rc)

client.subscribe("farm/control")

client = mqtt.Client()

client.on_connect = on_connect

client.connect("mqtt.iotcloud.com", 1883, 60)

发布传感器数据

sensor_data = {

'temperature': 25.6,

'humidity': 60

}

client.publish("farm/sensor/data", json.dumps(sensor_data))

数据存储（InfluxDB + Python）

from influxdb import InfluxDBClient

client = InfluxDBClient(host='localhost', port=8086)

client.switch_database('agriculture')

json_body = [{

"measurement": "environment",

"tags": {"location": "field1"},

"fields": {

"temperature": 25.6,

"humidity": 60

}

}]

client.write_points(json_body)

Web可视化（Flask + ECharts）

from flask import Flask, render_template

import sqlite3

app = Flask(name)

@app.route('/dashboard')

def dashboard():

conn = sqlite3.connect('sensor.db')

data = conn.execute('SELECT * FROM sensor_data').fetchall()

return render_template('dashboard.html', data=data)

var chart = echarts.init(document.getElementById('chart'));

chart.setOption({

xAxis: {type: 'time'},

yAxis: {type: 'value'},

series: ${data: {{ data\|tojson }} }$

});

</script>

四、高级功能实现

智能预警系统

阈值检测与邮件报警

def check_threshold(sensor_value):

if sensor_value $'temp'$ > 35:

send_email(

to="admin@farm.com",

subject="高温预警!",

body=f"当前温度：{sensor_value $'temp'$ }℃"

)

def send_email(to, subject, body):

import smtplib

SMTP配置代码...

灌溉自动化控制

根据土壤湿度自动打开水泵

if soil_moisture < 30:

GPIO.output(WATER_PUMP_PIN, GPIO.HIGH)

time.sleep(10) # 浇水10秒

GPIO.output(WATER_PUMP_PIN, GPIO.LOW)

五、系统优化方向

边缘计算：在Raspberry Pi上运行TensorFlow Lite实现病虫害图像实时识别
能耗优化：使用MicroPython开发低功耗传感器节点
区块链应用：利用Hyperledger记录农产品溯源数据
数字孪生：通过3D建模构建虚拟农场映射

六、部署注意事项

使用Docker容器化部署服务
配置Nginx反向代理提高Web服务稳定性
采用双机热备方案保证MQTT Broker高可用
定期备份数据库（可结合crontab定时任务）

该系统结合物联网硬件与Python生态，可实现农业环境精准监测、智能决策与远程控制，代码可根据具体传感器型号调整驱动逻辑。建议先搭建最小原型系统，再逐步扩展功能模块。