International Journal for Research in Applied Science and Engineering Technology·9月10日 · 周四论文智慧农业 / 农业物联网阅读 0
AIOT in Predictive Agriculture - IoT and AI Integration for Real-Time Soil Monitoring and Smart Irrigation in Predictive Agriculture
Gowri M. · Boomika M. · S. Rakshana 等 4 人
International Journal for Research in Applied Science and Engineering TechnologyDOI 10.22214/ijraset.2026.84727开放获取 PDF ↗
论文解读
75精选
速览
提出AIoT框架，用LSTM预测土壤湿度实现智能灌溉，节水并延长节点续航。
方法
ESP32节点+电容湿度/pH传感器，MQTT上云，LSTM预测24-48小时湿
发现
90天试验节水显著，土壤含水量保持最优，单次电池续航达219天。
机会点
可探索多作物多气候下LSTM泛化能力，及边缘端轻量预测模型降低云依赖。
影响力18
信息增量20
专业深度17
信源权威12
时效性8
AIoT+LSTM 预测灌溉的完整实证研究，90 天试验与节水、能耗数据扎实，对精准农业落地有参考价值，但期刊层级与影响范围偏细分领域。
原文摘要
现代农业正面临气候波动、地下水加速枯竭以及全球在日益减少的耕地上最大化作物产量的迫切需求等严峻挑战。传统灌溉框架主要依赖静态调度或反应式阈值切换，导致大量水资源浪费、能源效率低下以及作物产量欠优。为克服这些局限，本文提出了一种端到端的人工智能物联网（AIoT）框架，专为实时多参数土壤监测与预测性智能灌溉而设计。该系统架构部署了由ESP32微控制器驱动的低功耗物联网田间节点，集成了电容式土壤水分传感器、环境传感器和土壤pH探头，通过轻量级MQTT协议传输遥测数据。为实现从反应式监测向主动式资源分配的转变，基于云的预测引擎利用长短期记忆（LSTM）神经网络，根据历史水分剖面和局部气象因素，预测24至48小时的土壤水分消耗动态。在为期90天的测试平台上进行的实验验证表明，所提出的预测框架在保持最优土壤体积含水量的同时，实现了总用水量的降低。此外，深度睡眠动态功耗分析证实，节点在单次电池充电下可实现长达219天的能量自主运行，为精准农业提供了一种可扩展、可持续且经济可行的解决方案。