Intelligent soil monitoring system for sustainable agriculture using TinyML and ultra-low power wireless sensor networks

精准农业需要能够持续、能源自主地监测土壤，以检测诸如水分快速流失或养分耗竭接近威胁作物阈值等关键状况。传统无线传感器网络面临多年电池寿命与亚秒级响应延迟之间的根本性权衡，因为占空比轮询会在空闲查询上浪费能量，而始终在线的通信对于覆盖数百英亩的电池供电田间部署而言仍不可行。本研究提出了一种新颖的集成方案，将基于TinyML的边缘推理与定制设计的40 nm CMOS超低功耗唤醒接收器（WuRX）相结合，实现事件驱动的异步土壤状况监测，而无需依赖周期性轮询调度。所提出的三层边缘-雾-云架构采用测量水分、温度、pH、氮、磷和钾的传感器节点，其量化神经网络在180天内从仪器化玉米和大豆田间部署中采集的64,800个标记样本上进行训练和验证，在每次推理周期能耗为0.87 mJ的情况下，实现了91.3%的分类准确率和93.0%的F1分数。对40 nm CMOS WuRX的电路级仿真证实，在-60 dBm灵敏度下，输入回波损耗为-15.8 dB，传输增益为+18.2 dB，功率附加效率为45.3%，连续待机功耗为45–53 µW。系统级功率预算分析验证了使用240 mAh锂电池并辅以5 cm²单晶硅太阳能收集器时，电池寿命可达200–300天。主要局限性包括田间验证仅限于两种作物类型，以及能量中性运行依赖充足的太阳辐照度。与基于阈值的系统相比，所提出的架构将通信开销降低了80–90%，为可扩展、资源受限的精准农业部署提供了实用框架。