智能灌溉 水泵控制 物联网

提出地理感知能量自适应IoT-WSN框架，用于精准农业可持续智能灌溉监测。

综述八项研究并提出低成本ESP32+边缘AI+太阳能灌溉的智能农业概念平台。

融合模糊规则与随机森林构建可解释的智能灌溉决策系统。

Development and Performance Evaluation of an IoT-Based Smart Irrigation System with Real-Time Data Monitoring for Beetroot (Beta vulgaris L.)。Research Square

为西非河岸农场设计并验证低成本太阳能物联网灌溉系统，自动灌溉黄麻叶。

基于物联网与传感器构建智能灌溉系统，实时监测土壤与气象并自动控制灌溉。

开发基于ESP32与ESP32-CAM的物联网植物监测与自动灌溉系统，用Sugeno模糊逻辑决策浇水

研究验证旱季遮阴芹菜中智能滴灌能否保持病害防控与产量优势。

基于物联网与土壤湿度及天气数据，实现低成本自动灌溉决策系统。

提出基于堆叠集成学习的灌溉泵ON/OFF预测框架，用物联网传感器数据实现智能灌溉控制。

基于ESP32和Blynk开发了带手动/自动模式的自动浇水原型系统。

提出物联网与天气数据驱动的智能灌溉系统，按实时土壤与气象条件自动决策灌溉。

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。

提出结合IoT、机器学习和边缘计算的智能灌溉系统，优化用水并提高作物产量。

Mustafa MS（卡拉比克大学计算机工程系）与Kutucu H（土耳其）在Frontiers in Sustainable Food Systems发表的原创研究"Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT"于2026-07-28接受。针对农业占全球淡水取用量约70%、传统灌溉水耗大、效率低的现实，研究构建将物联网、机器学习与边缘计算融合的智能灌溉系统：物联网传感器和边缘设备实时采集环境数据并估算灌溉需求，机器学习模型与土壤监测单元（SMU）和水管理单元（WMU）协同，在边缘本地部署实现可扩展、实时、高效灌溉管理。研究比较决策树（DT）、随机森林（RF）、支持向量机（SVM）、K近邻（KNN）、随机梯度下降（SGD）和多层感知机（MLP）六种监督学习模型，其中决策树和随机森林分类准确率达93%、R²回归得分0.98，显著优于SVM（准确率58%、R²=0.18），为不同农业场景下水资源高效管理提供可复用方案。原文：Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT