综述：I-Canopy：一种用于边缘环境自适应监测的弹性物联网平台

《Smart Agricultural Technology》：I-Canopy: A Resilient IoT Platform for Adaptive Environmental Monitoring at the Edge

环境监测物联网平台I-Canopy基于ESP32微控制器，采用边缘计算（PEC）技术实现低功耗、本地存储和远程固件更新，解决农村地区能源受限与网络不稳定问题。系统通过电压感知动态调整传感器频率与休眠周期，本地缓存数据并自动同步，确保连续监测。实验表明，在电压波动和断网场景下，数据丢失率低于0.1%，且系统成功运行超过1300天，验证了PEC架构在资源约束环境中的可靠性。

　　在物联网（IoT）技术快速发展的背景下，环境监测已成为精准农业、气候建模、水资源管理和可持续土地利用等领域的核心工具。然而，在农村和偏远地区，由于能源资源有限以及网络连接不稳定的现实问题，传统的IoT系统往往面临数据采集和传输的中断风险。这些挑战不仅影响了数据的连续性，也削弱了系统在极端条件下的可靠性。为了解决这些问题，本文介绍了I-Canopy这一低功耗、自主运行的物联网平台，其基于ESP32微控制器，旨在实现对关键大气和土壤参数的持续监测。通过在边缘计算层集成能源感知操作、本地数据缓存以及云同步服务，I-Canopy能够在有限的能源和间歇性网络条件下保持稳定性能，同时支持远程固件更新，从而提升了系统的适应性和可持续性。

### I-Canopy的系统架构与功能设计

I-Canopy的硬件设计围绕ESP32微控制器展开，这一芯片以其低成本、低功耗和内置Wi-Fi及蓝牙功能而闻名，非常适合用于边缘计算场景。为了适应农村和偏远地区的部署需求，系统还集成了LoRa（RFM95）模块，以实现更远距离、更低功耗的无线通信。LoRaWAN版本的设备配备了915 MHz的外部天线，从而能够在较长距离内进行数据传输，而Wi-Fi版本则用于那些网络条件相对稳定的区域。设备的供电由三节AA镍氢可充电电池提供，这些电池通过0.5 W的太阳能板进行自主充电，使得I-Canopy可以在没有外部电力供应的情况下长期运行。

在环境监测方面，I-Canopy配备了三种类型的传感器：BME280用于测量空气温度、相对湿度和气压；DS18B20防水数字传感器用于土壤温度监测；以及两个VH400土壤湿度传感器，用于估算土壤水分含量。在部署时，VH400传感器被安装在5厘米和20厘米的深度，以捕捉土壤水分的垂直变化趋势。此外，设备还配备了定制设计的PVC外壳，以保护传感器免受外部环境影响，同时确保数据采集的稳定性和准确性。外壳还集成了太阳能板和天线，使其在户外环境中具有较强的适应能力。

### 能源感知操作与自适应行为

I-Canopy的固件逻辑和能源感知操作是其核心设计之一。系统在启动时首先检测供电电压（VCC），并根据电压水平决定其操作模式。当VCC处于最优阈值以上时，设备进入“全操作模式”，此时系统会尝试建立Wi-Fi连接，并在连接成功后将数据上传至云端。当VCC处于较低范围时，设备会自动切换至“降级操作模式”或“临界操作模式”，以减少能源消耗并防止数据丢失。例如，当VCC处于3.3 V至3.4 V（对于空气设备）或3.3 V至3.5 V（对于土壤设备）之间时，设备会继续采集数据，但将数据存储在本地，等待电压恢复后再上传。而当VCC低于3.3 V时，设备会暂停数据采集和存储，仅更新内部计数器，并进入深度睡眠模式以节省能源。

为了进一步优化能源使用，固件还通过VCC水平动态调整设备的睡眠时间。例如，当VCC高于4.4 V时，设备的睡眠时间被缩短至12.5分钟，从而提高数据采集频率；而在VCC处于3.4 V至4.4 V之间时，设备则维持25分钟的睡眠时间，以平衡能源消耗与数据分辨率。这种自适应行为使得I-Canopy能够在不同的能源条件下保持稳定的运行，同时也为系统提供了更高的灵活性。

### 本地存储与同步机制

在连接中断或能源不足的情况下，I-Canopy采用本地存储机制，将数据缓存在设备内部，以便在恢复连接后继续上传。这种机制依赖于ESP32内置的SPI FLASH存储器，该存储器用于存储传感器数据和控制指标。控制指标包括测量计数器、时间戳以及睡眠时间等信息，这些信息有助于在数据缓冲期间保持时间连续性。同时，为了确保数据完整性，系统还会记录数据存储的原因，例如连接失败或电压不足等。这些信息被存储为JSON格式的文件，以便后续分析和处理。

在本地存储之后，系统会等待连接恢复，并将缓冲的数据上传至云端。在上传过程中，系统会检查当前VCC是否足以支持数据传输。如果电压不足以完成传输，系统会选择只上传当前的测量数据，而将之前存储的数据暂时保留。这一策略确保了设备的稳定性，同时避免了因连接失败导致的数据丢失。此外，系统还会记录上传过程中的时间戳，并将其与设备本地时间进行校准，以确保时间数据的准确性。

### 云集成与系统分层架构

I-Canopy的云集成架构采用分层设计，包括设备与边缘层、网络/桥接层、云层以及应用层。在设备与边缘层，所有传感器数据通过Wi-Fi或LoRa传输至中央网关。在云层，系统利用AWS IoT Core、Amazon S3和AWS Lambda等服务，实现数据的存储、处理和可视化。具体而言，AWS IoT Core负责接收并路由来自设备的数据，而Amazon S3则用于长期存储这些数据。同时，Lambda函数在S3数据上传后被触发，用于解析和转换数据格式，并将其发送至外部服务器进行进一步处理。

在应用层，I-Canopy提供了两种数据可视化界面：一种是基于JavaScript的简单界面，用于探索原始测量数据；另一种是基于Shiny的交互式Web应用，支持在地图上展示设备部署位置，并提供数据查询和分析功能。这些工具使得研究人员和农业从业者能够方便地访问和分析I-Canopy收集的数据，从而支持数据驱动的决策过程。

### 实际部署与性能评估

自2021年中以来，I-Canopy已经在美国多个州进行了部署，包括爱荷华州、堪萨斯州、阿肯色州和内布拉斯加州。截至2025年7月，系统已部署了102个设备，其中60个为Wi-Fi设备，42个为LoRa设备。这些设备的部署不仅覆盖了农田，还包括城市区域，从而为不同环境下的数据采集提供了支持。在部署过程中，设备的运行模式根据VCC水平动态调整，以确保其在各种能源和网络条件下都能保持稳定运行。

在性能评估方面，研究团队对I-Canopy的能源感知操作、本地存储与同步机制进行了详细分析。例如，通过分析设备在连接中断期间的行为，研究人员发现I-Canopy能够在没有Wi-Fi连接的情况下继续采集数据，并在连接恢复后自动上传。此外，系统还能够根据VCC水平调整数据采集频率，从而在能源充足时提高数据分辨率，在能源紧张时减少数据采集量。这些行为被详细记录并分析，以验证系统在不同环境下的适应性和可靠性。

在极端寒冷条件下，部分设备出现了测量间隔约为50分钟的异常情况。然而，这些异常主要出现在VCC水平下降或设备意外重启之后，而非固件逻辑本身的问题。尽管如此，这些事件在整体数据集中所占比例较小，表明I-Canopy在大多数情况下能够保持稳定的运行。此外，系统还通过本地存储和同步机制确保了数据的完整性，即使在连接中断或能源不足的情况下，也能维持数据的连续性。

### 未来发展方向与扩展

尽管I-Canopy在Wi-Fi设备上已经展示了良好的性能，但其LoRa设备的PEC功能仍在开发中。未来的工作将致力于将这些功能扩展至LoRa设备，以进一步提高系统的适应性。同时，系统还计划在多个州进行扩展，以增加其地理覆盖范围并提升环境数据的多样性。这将为更广泛的应用提供支持，例如精准农业、环境正义研究以及气候变化建模等。

此外，I-Canopy的OTA固件更新机制也正在开发中，其目前仅在实验室环境中进行了测试。未来，该机制将被应用于实际部署，以实现远程维护和统一的固件管理。这将显著提高系统的可维护性和适应性，使其能够更灵活地应对不同环境和网络条件下的挑战。

### 结论

I-Canopy作为一个低功耗、自主运行的物联网平台，展示了其在边缘计算环境下的强大适应能力。通过将能源感知操作、本地数据缓存和云同步服务集成到一个统一的系统中，I-Canopy能够在资源受限的环境中保持稳定的性能。其设计不仅考虑了数据的连续性，还确保了在能源和网络中断时的数据完整性。这种多方面的适应性使得I-Canopy成为一种具有广泛应用前景的环境监测解决方案。随着技术的进一步发展和部署范围的扩大，I-Canopy有望为农业、水资源管理和环境保护等领域提供更加可靠和高效的数据支持。