能量优化在水培物联网系统中通过深度睡眠与综合水分胁迫指数控制

《Electronics》:Energy Optimization in Hydroponic IoT Systems Through Deep Sleep and Aggregate Water Stress Index Control

【字体: 大 中 小 】 时间:2026年07月10日 来源:Electronics 2.9

编辑推荐:

  农业日益依赖能够降低能耗同时保持可靠灌溉决策和透明操作员交互的物联网(IoT)架构。本文提出并验证了一种用于水培生菜栽培的自适应物联网架构,该架构基于M5Stack Tab5平台实现,集成了ENV Pro BME688传感器、基质状态探头、微型灌溉泵、本地综合

  
农业日益依赖能够降低能耗同时保持可靠灌溉决策和透明操作员交互的物联网(IoT)架构。本文提出并验证了一种用于水培生菜栽培的自适应物联网架构,该架构基于M5Stack Tab5平台实现,集成了ENV Pro BME688传感器、基质状态探头、微型灌溉泵、本地综合水分胁迫指数(AWSI)算法计算以及通过Azure Functions持久化到Microsoft Azure Cosmos DB的遥测数据。贡献包括引入监测微气候参数与灌溉制度之间的关联机制、所提出基础设施的新颖性、一种独特的AWSI算法以及新的能效机制。所提出的AWSI算法生成自适应决策以激活灌溉泵,优化水资源消耗和系统的能量曲线。在实验数据集中,分析了1994条记录。一次修订后的Azure遥测验证导出包含2026年5月27日至6月25日期间收集的697条记录;在排除了30条不完整的启动或传感器零点条目后,使用667条完整记录进行控制器一致性分析。能量贡献通过电池续航测试进行量化。连续运行时,14.8 Wh的Tab5电池在10小时30分钟后耗尽,对应等效平均功率为1.41 W。所提出的深度睡眠策略将续航时间延长至25小时,并将等效平均功率降低至0.59 W,这表示续航增加了138.1%,平均功率需求降低了约58%。AWSI与灌溉响应也确认了渐进式执行。这些结果表明,所提出的架构通过结合本地自主性、云可追溯性、自适应执行以及以人为本的嵌入式仪表盘,有助于实现节能型水培控制。
**论文解读文章**

**研究背景与问题**

随着全球农业面临资源约束加剧的挑战,物联网(IoT)技术被广泛引入以实现精准灌溉和资源优化。水培栽培因其能够消除土壤变异性并实现水、养分和环境条件的高精度管理而备受关注。然而,现有水培系统在传感器、泵、显示和通信模块的持续运行中能耗较高,尤其对于小型实验农场、教育实验室和低成本研究演示平台而言,待机能耗和不必要的执行动作成为主要瓶颈。现有文献中,多数研究侧重于云架构或本地架构的对比,但缺乏对嵌入式节点能效与操作透明度兼顾的集成方案;同时,固定阈值灌溉逻辑无法适应环境参数(温度、湿度、空气质量)对植物蒸腾作用的联合影响。因此,亟需一种能够同时实现本地自主决策、云可追溯性、人机透明交互以及显著降低平均功率的水培物联网控制架构。

**研究内容与结论**

研究人员在《Electronics》期刊上提出并验证了一种基于M5Stack Tab5平台的水培物联网自适应架构。该架构集成了ENV Pro BME688传感器(监测温度、湿度、气压、气体电阻及室内空气质量)、基质状态模拟探头、微型灌溉泵、本地综合水分胁迫指数(AWSI)算法以及通过Azure Functions持久化遥测数据到Microsoft Azure Cosmos DB的云服务。研究的主要结论包括:通过深度睡眠策略将节点有效续航从10.5小时延长至25小时,平均功率从1.41 W降至0.59 W(续航提升138.1%,功耗降低约58%);AWSI算法实现了对灌溉泵的自适应控制,仅当综合胁迫指数超过45%阈值时启动泵,且泵运行时长(3–12秒)与AWSI值成正比(Pearson相关系数0.962);与单纯依赖基质湿度的控制相比,AWSI避免了69.7%的潜在误触发灌溉。该研究的意义在于为水培系统提供了一种兼顾能效、本地解释性、云可追溯性和现代人机交互界面的完整解决方案,符合工业5.0视角下的以人为本设计理念。

**主要关键技术与方法**

研究人员采用的主要关键技术包括:(1)**基于M5Stack Tab5的嵌入式物联网平台**,集成Wi-Fi通信、本地处理能力和高分辨率图形显示;(2)**综合水分胁迫指数(AWSI)算法**,通过加权融合基质湿度(权重0.60)、环境温度(0.20)、相对湿度(0.15)和室内空气质量(0.05)生成0–100%的胁迫指数,并设定45%为激活阈值;(3)**深度睡眠机制**,节点在每个60秒活动窗口(完成数据采集、AWSI计算、泵控制、显示更新和云传输)后进入1小时深度睡眠,使活动时间占比低于2%;(4)**比例控制灌溉逻辑**,泵启动时长由AWSI超过阈值的程度线性映射至3–12秒;(5)**云遥测流水线**,通过Azure Functions将数据持久化至Cosmos DB,支持远程监督和审计。实验在受控环境中进行,生菜栽培周期为45–50天,样本来源于2026年2月1日至4月25日期间收集的1994条记录,以及2026年5月27日至6月25日期间的667条完整验证记录(排除了30条启动或传感器零值记录)。

**研究结果**

**4.1 基础设施运行稳定性**
实验期间,M5Stack Tab5平台未出现通信错误或自发复位,ENV Pro BME688传感器监测稳定,采集、处理与控制过程在环境参数快速变化时仍可预测地同步。

**4.2 环境参数统计分析**
受控环境平均温度27.10°C(范围22.86–31.35°C),部分时段超过AWSI模型最优上限25°C;平均相对湿度36.07%(范围28.30–43.97%),低于最优范围50–75%;平均IAQ指数93.93(范围88–95),表明空气品质良好且稳定。这些参数表明环境中存在持续性干热条件,验证了将温度与湿度纳入胁迫模型的必要性。

**4.3 基质湿度与AWSI分布**
基质湿度平均57.18%(范围28–62.3%),系统成功维持接近目标阈值;AWSI平均19.84%(范围9.42–66.95%),多数时段处于低胁迫水平,仅在温度>29°C且湿度<35%时出现高胁迫值。

**4.4 泵激活行为**
共记录84次泵激活,平均时长5.32秒(范围4–7秒),证明了自适应时长控制机制的有效性。在667条完整验证记录中,620条记录AWSI低于45%且未触发泵;47条记录超过阈值,产生46次泵事件(一次为恢复过渡期)。AWSI在45–55%区间产生37次事件,平均时长3.30秒;55–65%区间3次事件,平均5.00秒;≥65%区间6次事件,平均6.17秒。Pearson相关系数为0.962,确认了比例执行的一致性。

**4.5 能效评估**
连续运行测试中,14.8 Wh电池耗尽用时10.5小时,等效平均功率1.41 W;启用深度睡眠后,续航延长至25小时,等效平均功率0.59 W。续航提升138.1%,功率需求降低约58%。

**4.6 AWSI与灌溉体积关系**
额外实验表明,AWSI为59%时灌溉约30 mL,55%时约25 mL,51%时约10 mL,证实系统具备超越二元ON/OFF的渐进式响应能力。

**4.7 与单纯湿度控制的对比**
基于相同数据集,采用与45% AWSI阈值等效的基质湿度触发条件(44.75% FC)会标记155条记录,而AWSI仅标记47条,避免了69.7%的潜在误触发。

**4.8 校准与验证拆分**
将记录按时间顺序分为70%校准子集和30%独立验证子集。校准子集中34条记录超过45%阈值,33条生成泵命令;验证子集中全部13条超过阈值的记录均生成泵命令,且无阈值下泵事件。两子集均保持高相关性,验证了控制器的内部一致性。

**4.9 阈值敏感性分析**
将AWSI激活阈值从45%分别降至40%和升至50%时,触发泵事件数分别变为134和26,确认45%是避免不必要执行与延迟响应之间的保守折中选择。

**讨论与结论**

讨论部分指出,所提出的原型系统总硬件成本仅为$91.45(包含Tab5主板、ENV Pro传感器和Watering Unit),能在保持现代图形界面的同时显著降低功耗,符合工业5.0以人为本的设计方向。能量分析结合了文档特性和实测数据,表明显示、无线通信和活跃处理是主要耗电来源,深度睡眠策略贡献了最强能耗削减。AWSI算法避免了基于固定湿度阈值时的过多触发,且比例控制增强了用户对系统行为的理解。未来工作将扩展至更长栽培周期、多作物种类、多节点配置,并引入机器学习模型预测水分胁迫和养分需求。

**研究结论部分翻译**
实验结果表明,所提出的M5Stack Tab5架构能够同时提供自主水培灌溉、云可追溯性、本地可解释性和可量化的能耗降低。最终配置集成了传感、AWSI计算、自适应泵控制、仪表盘可视化和Azure遥测。从能效角度看,最相关的贡献是深度睡眠的量化效果。连续运行时,14.8 Wh电池在10小时30分钟后耗尽,对应等效平均功率约1.41 W。启用周期性深度睡眠策略后,续航增至25小时,等效平均功率降至约0.59 W。这意味着所提出的占空比架构将实际续航提升了138.1%,平均功率需求降低了约58%。对于小型水培物联网节点,这一降低意义重大,因为它针对的是显示活动、通信和空闲处理所消耗的能量,而不仅仅是短时的泵事件。基于AWSI的灌溉逻辑也通过将执行限制在估计植物胁迫证明合理的条件下,有助于能量优化。所提系统的技术价值通过其以人为本的界面得到加强。许多低功率农业节点通过移除本地可视化并完全依赖远程仪表盘来降低能耗。相比之下,所提节点在通过受控活动窗口和休眠周期降低平均功率的同时,仍保持现代嵌入式图形界面。这使得该架构适用于工业5.0农业演示器,操作员必须理解系统正在做什么、为何触发灌溉以及环境条件如何影响决策。与基于固定基质湿度阈值的经典灌溉系统相比,所提方法对这一原型更具信息性,因为它将温度、相对湿度、空气质量信息和基质条件纳入同一经验AWSI模型。这降低了在基质湿度可接受时进行不必要泵送的风险,并在微气候胁迫增加植物需水量时提高了响应性。因此,结果支持以下结论:水培物联网系统中的能效优化应从软件和系统两个层面入手,包括采样策略、休眠调度、传感器滤波、本地决策、自适应执行和透明遥测。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号