Review On Solar-Powered Smart Agriculture Monitoring and Crop Prediction System

方法

ESP32边缘节点采集五参数，Wi-Fi双路传输，决策树模型基于50种作物数据集

发现

系统实现能量自给的实时监测与可执行作物推荐，弥补仅可视化数据的不足。

机会点

可探索将决策树替换为时序深度学习模型，并引入多节点组网与模型边缘部署以提升预测精度。

小农户农业往往依赖人工观察和未经校准的土壤评估，导致资源管理效率低下、施肥不当以及作物选择不适宜。物联网（Internet of Things, IoT）技术降低了田间监测的成本，但许多现有系统仅对传感器数据进行可视化展示，并未将测量结果转化为可操作的农业建议。为解决这一局限，本文提出了一种端到端的太阳能供电智能农业监测与决策支持系统，该系统以ESP32微控制器边缘节点为核心构建。系统持续监测五个参数：土壤湿度、空气温度、相对湿度、氨气（NH₃）和甲烷（CH₄）。固件对每个模拟传感器读数的10个样本取平均值，并对土壤湿度传感器施加两点线性校准。处理后的数据通过两条并发的Wi-Fi路径传输：每3秒发送至Blynk物联网平台用于实时监测，每15秒以JSON载荷发送至Flask REST服务器。在服务器端，一个基于50种作物品种的农业数据集训练而成的决策树机器学习模型对传感器数据进行分析，以估算预期作物产量百分比并生成适宜作物的排序列表。传感器数据和预测结果记录于SQLite数据库并显示在自动刷新的网页仪表板上，预测结果还发送至Blynk虚拟引脚以供远程移动端访问。光伏太阳能板、充电控制器和可充电锂离子电池为节点供电，使其能够自主运行。所提出的架构将田间级传感、无线通信、云端监测、数据库管理和基于机器学习的预测相结合，构建了一个经济实惠、能源独立的精准农业决策支持框架。关键词——精准农业、物联网、ESP32、决策树、作物推荐、产量预测、太阳能采集。