基于物联网技术的农作物长势视觉监测与调控系统研究

作者简介：刘成轩，男，汉族，河北省沧州市，2004年11.26，本科，学生，单位名称：天津职业技术师范大学 单位邮编：300222 研究方向：软件工程

摘要：基于物联网技术的农作物长势视觉监测与调控系统研究旨在提升农业生产的智能化与精细化水平。通过引入高精度传感器、图像识别算法与自动化调控系统，实现农作物生长状况的实时监测与科学管理。系统设计包括硬件设备、数据采集模块、云平台数据处理以及智能调控单元，利用计算机视觉技术对农作物长势进行分析，结合环境参数制定调控策略，最终通过自动化设备实施精准管理。在实验验证中，系统表现出较高的监测精度与响应速度，有效提升了农作物的生长质量与产量。

关键词：物联网技术；农作物长势；视觉监测；调控系统；图像识别

引言

随着现代农业的快速发展，提高农作物产量与质量已成为农业生产的重要目标。然而，传统的农作物长势监测与调控手段存在人工依赖度高、效率低、精度不足等问题，难以满足现代精细化农业的需求。物联网技术的发展为农业智能化提供了新的解决方案，通过传感器、数据采集与处理、自动化控制等手段，实现农作物生长过程的全程监控与智能调控。尤其是计算机视觉技术的应用，使得农作物长势监测从传统的定性分析向定量分析转变。本研究基于物联网技术设计了一套农作物长势视觉监测与调控系统，通过硬件设备、数据平台、图像识别算法与自动化控制系统的集成，实现了农作物生长过程的实时监测、精确分析与动态调控[1]。

1物联网技术在农作物长势监测中的应用

1.1物联网技术概述

物联网技术是一种通过智能设备、传感器和网络通信技术实现设备互联与数据交互的综合技术，广泛应用于智能农业、工业自动化、智慧城市等领域。在农业生产中，物联网技术将传感器、摄像设备、自动化控制系统与无线通信网络相结合，通过实时监控土壤湿度、环境温度、光照强度以及作物生长状态，实现数据的自动采集、传输与分析，为农作物生长环境提供精细化的管理手段。物联网技术的应用使农业生产过程由传统的人工作业模式转变为数据驱动的智能化管理模式，显著提升了农业生产效率与资源利用率，为现代农业的可持续发展提供了技术支持与保障[2]。

1.2农作物长势视觉监测的关键技术

农作物长势视觉监测是通过计算机视觉和图像处理技术分析作物生长状态，实现精准农业管理的一种方法。在视觉监测系统中，高清摄像设备采集农作物影像，通过图像预处理、特征提取、目标识别等技术对作物的叶面积、颜色、茎叶健康状态进行量化分析。机器学习和深度学习算法在图像分析中的应用，使得系统能够识别病虫害、评估作物长势、预测产量等。通过多光谱和高光谱成像技术，系统能够捕捉作物叶片的细微变化，从而实现更加精准的长势监测[3]。

1.3传感器与数据采集技术

传感器与数据采集技术在农作物长势监测系统中起着至关重要的作用，通过各类传感器采集环境参数和作物生长状态数据，为调控系统提供精准的数据支持。常用的传感器包括温度传感器、湿度传感器、光照传感器、土壤水分传感器以及多光谱摄像头，这些传感器能够实时监测农作物的生长环境和状态，捕捉作物叶片颜色、植被覆盖率等信息。数据采集模块将传感器获取的模拟信号转化为数字信号，通过数据接口与控制系统进行交互，实现数据的实时采集和传输。数据采集过程中引入滤波、去噪和标定等技术，以保证数据的准确性和稳定性。在实际应用中，通过物联网网关设备将各类传感器连接至云平台，实现多源数据的融合与管理，为智能调控系统提供可靠的数据基础[4]。

2农作物长势视觉监测系统设计

2.1系统总体架构设计

农作物长势视觉监测系统总体架构设计包括数据采集层、数据传输层、数据处理层和应用服务层四个部分。数据采集层由高清摄像设备、环境传感器和数据采集模块组成，通过图像采集设备获取农作物生长状态的影像数据，同时环境传感器实时监控温度、湿度、光照等环境参数。数据传输层采用无线传感网络与物联网网关，将采集的数据通过LoRa、NB-IoT或Wi-Fi等无线通信技术传输至云平台，保证数据的实时性与可靠性。数据处理层依托云计算与边缘计算技术，对传输的原始数据进行预处理、存储和分析，通过计算机视觉算法提取农作物长势特征，分析作物健康状态和生长趋势。应用服务层为用户提供数据可视化、智能决策支持和远程控制功能，用户可通过PC端或移动端应用查看农作物长势监测结果，并根据系统推荐的调控策略对农业设备进行自动化管理，实现农作物生长过程的智能监控与精准调控[5]。

2.2硬件设计与设备选型

农作物长势视觉监测系统的硬件设计与设备选型围绕数据采集、传输和控制三大功能模块展开。在数据采集模块中，摄像设备选用具有高清成像、多光谱和高光谱功能的工业摄像头，能够捕捉农作物叶片颜色、病斑特征及生长状态等细节信息。环境传感器包括温湿度传感器、土壤水分传感器、光照传感器及二氧化碳浓度传感器，通过多种传感器组合采集农作物生长环境的多维数据。在数据传输模块中，选择低功耗、长距离的LoRa通信模块和支持广域覆盖的NB-IoT模块，确保远距离数据传输的稳定性和可靠性。物联网网关设备配置边缘计算功能，能够对采集数据进行初步处理，降低数据传输的延迟[6]。在控制模块中，选用支持远程控制的自动化设备，包括智能喷灌系统、温室通风设备、补光灯具等，通过继电器和控制板实现与系统平台的联动，为农作物生长提供适宜的环境调控手段[7]。

2.3软件平台与数据处理方法

农作物长势视觉监测系统的软件平台采用B/S架构，主要包括数据管理平台、图像分析模块、调控决策模块和用户交互界面。数据管理平台基于云计算技术，实现数据存储、清洗、分析及历史数据回溯，通过数据库集群管理大规模的传感数据和图像数据。在图像分析模块中，系统集成了多种图像处理与识别算法，包括图像预处理、特征提取、目标检测和分类算法，通过计算机视觉技术分析农作物的长势特征。调控决策模块基于采集的环境参数和作物状态数据，利用规则引擎或机器学习模型生成调控策略，指导农业设备的自动化操作。用户交互界面采用Web前端技术，提供数据可视化展示，包括农作物长势监测结果、环境参数变化趋势以及调控操作记录，用户可以通过电脑或移动设备实时查看作物状态，并远程下达控制指令，实现系统的远程操作与管理[8]。

2.4图像识别与长势分析算法

农作物长势视觉监测系统中的图像识别与长势分析算法结合了传统图像处理方法与深度学习技术，通过多阶段处理流程实现作物长势的精准监测。图像识别算法主要包括图像预处理、特征提取、目标检测和分类四个步骤，在图像预处理中，采用灰度化、滤波去噪和图像增强技术，提高图像质量与识别准确性。在特征提取阶段，通过形态学处理、颜色空间转换和纹理分析方法提取农作物叶片的颜色、形状、病斑特征等信息。在目标检测中，应用YOLO、Faster R-CNN等深度学习模型，对作物影像中的植株进行精准定位与分割，识别出病虫害区域、黄叶区域等异常情况。在长势分析过程中，结合叶面积指数、植被指数（如NDVI、GNDVI）等参数，通过时间序列分析作物的生长趋势，判断植株健康状态。为了提升算法的泛化能力，系统利用大规模的农作物影像数据集进行模型训练，通过迁移学习和数据增强技术提高模型对复杂场景的适应性，实现农作物长势的自动化、智能化监测与分析[10]。图1为智慧农业物联网系统建设方案。

图1 智慧农业物联网系统建设方案

3调控系统设计与实施

3.1自动化调控系统设计

农作物长势视觉监测与调控系统的自动化调控部分基于传感器数据、图像识别结果和环境反馈信息，通过智能控制模块实现精准的农作物生长环境调节。系统硬件部分包括自动灌溉设备、温室通风系统、智能补光装置以及自动施肥设备，均配备支持远程控制的执行机构。调控系统通过物联网网关与传感器和摄像设备连接，实时获取温度、湿度、土壤水分、光照强度和二氧化碳浓度等环境数据，同时分析农作物影像数据得到长势参数。控制逻辑采用PLC（可编程逻辑控制器）或嵌入式控制板实现，通过继电器或无线控制模块与各类农业设备对接，确保指令执行的准确性与安全性。系统在云平台设置调控规则，根据不同作物的生长模型和环境条件，动态调整各设备的运行状态，例如当土壤湿度低于30%时自动启动滴灌系统，当温室温度高于35°C时开启通风设备，保证农作物始终处于最佳生长环境中[10]。

3.2调控策略与模型

调控系统的核心在于调控策略与模型的制定，基于农作物生长模型、环境参数阈值和历史数据分析，构建智能化的控制决策系统。系统调控模型采用规则引擎与机器学习算法相结合的方法，在规则引擎中设置温度、湿度、光照、土壤水分等参数的阈值，例如温度区间为18°C至28°C，相对湿度为60%至80%，光照强度为3000至5000lux，土壤含水量保持在40%至60%。系统通过历史数据训练随机森林（Random Forest）、支持向量机（SVM）或深度神经网络（DNN）等预测模型，实现农作物生长状态与环境变化的关联分析，根据预测结果自动调整调控设备的运行参数[11]。系统根据实时监测数据动态调整阈值，当预测到连续三天土壤湿度下降10%以上时，提前启动灌溉设备，当图像识别出作物叶片黄化面积超过20%时，自动触发营养液补充系统，保证调控策略的灵活性与精准性[12]。图2为物联网农业的效果实验图。

图2 物联网农业实验效果图

3.3实时反馈与动态调控

系统通过多维度数据反馈机制实现动态调控，数据反馈来源包括传感器实时数据、图像分析结果和设备运行状态监测信息。在数据处理层设置动态反馈机制，每分钟采集一次环境参数，每15分钟分析一次作物影像数据，每小时记录设备运行状态，确保调控系统具备较高的响应速度和数据处理能力。实时反馈系统利用WebSocket协议实现数据的双向通信，当设备执行调控操作时，传感器反馈环境变化情况，例如灌溉设备开启10分钟后土壤湿度提高15%，温室通风设备运行5分钟后内部温度下降5°C。动态调控算法基于PID控制（比例-积分-微分控制器）原理，在调控设备运行过程中不断调整输出信号，使系统达到预设的环境参数目标。例如，当目标湿度为70%，实际湿度为50%时，系统根据湿度增加速率动态调节灌溉时间，避免过度或不足的环境调控行为，实现精准、柔性化的农作物环境管理[13]。

3.4实验与验证方法

实验设计采用对比实验与长时间监测相结合的方法，以提高系统的可靠性与实用性。实验区域选择1000平方米的温室种植区，种植相同品种的作物，将温室分为实验组和对照组，实验组使用基于物联网技术的智能调控系统，对照组采用传统人工控制方法。在实验过程中，每天采集温度、湿度、光照、土壤水分等环境数据，记录自动调控设备的启动次数与运行时长，每周采集作物生长数据，包括叶面积、生长高度、叶片颜色等视觉监测指标。实验周期设置为90天，通过分析实验组与对照组的作物生长状态、产量、品质差异，验证系统的有效性与优势[14]。实验数据统计结果显示，实验组温度控制在20°C至25°C范围内，湿度保持在65%至75%，土壤水分波动小于10%，光照强度稳定在3500lux左右，作物平均生长高度达到50厘米，叶面积平均为120平方厘米，病虫害发生率低于5%，相比对照组产量提高20%，品质提升15%。实验结果证明系统在农作物长势监测与调控中的高效性与稳定性，能够显著提升农业生产的智能化水平，为农业生产提供了科学、精准的环境调控解决方案[15]。

结语

本研究基于物联网技术设计了农作物长势视觉监测与调控系统，通过集成高清摄像设备、环境传感器、数据传输模块和智能控制装置，实现了农作物生长状态的实时监测与精准调控。系统采用图像识别和动态调控算法，有效提升了农业生产的智能化水平与作物产量质量。实验结果表明，该系统具备较高的实用性和推广价值，为现代农业提供了一种高效、科学的管理手段，具有广泛的应用前景。

参考文献

[1]赵智斌，熊伟，曹珈恺，王子豪，朱建光，周英钢.基于开源鸿蒙操作系统的物联网温室大棚控制系统[J].物联网技术，2025，15（04）：102-106.

[2]刘霄宇.基于物联网技术的智慧农业系统设计与实现[J].中国农机装备，2025，（02）：76-78.

[3]黄艺萱，万梓然，史胜男，王朝，刘斌.基于物联网的农作物生长视觉监控平台[J].物联网技术，2025，15（03）：3-6+10.

[4]吴一凡，崔艳军，单小琴，田晓锐，张品先.基于ESP32的物联网智慧大棚设计[J].物联网技术，2025，15（03）：129-132.

[5]袁凤裕.物联网发展趋势下智慧农业节水灌溉运用探析[J].农业开发与装备，2025，（01）：66-68.

[6]王影.农业机械智能化技术在农业生产中的应用策略[J].农机科技推广，2025，（01）：45-46.

[7]李董，汤启国，王红波，邱威，熊炜.农作物重大病虫害预警与应急防控技术研究现状与趋势[J].智能化农业装备学报（中英文），2025，6（01）：25-40.

[8]王赵慧.B/S架构下基于物联网的远程温室温度控制系统设计[J].河北水利电力学院学报，2024，34（04）：50-55.

[9]胡开明，王剑强，王孚贵.基于物联网的智慧农业大棚监控系统[J].南方农机，2024，55（22）：44-47.

[10]徐春绵.物联网技术在智慧农业中的应用[J].南方农机，2024，55（22）：51-54.

[11]杨会甲，王亚平，张亚军.融合物联网的智慧农业实践研究[J].物联网技术，2024，14（11）：101-103.

[12]刘荣凤.智慧农业技术在农作物种植中的应用[J].粮油与饲料科技，2024，（09）：173-175.

[13]阮莹.智能农机与农业物联网融合的实践探索[J].粮油与饲料科技，2024，（09）：170-172.

[14]赵宇.物联网在智慧农业领域的应用[J].物联网技术，2024，14（10）：123-125.

[15]刘福生.山东省物联网技术在农业病虫害防治中的应用探讨[J].农业工程技术，2024，44（29）：41-42.