Automated System for Plant Health Monitoring and Stress Diagnosis Using IoT and Machine Learning
Christian Athanas Mwakyusa · Allen Deogratius Mwalekwa · Gift Geofrey Mushi
设计并验证了基于ESP32与随机森林的物联网闭环灌溉系统，实现植物胁迫自动诊断。
ESP32、电容式土壤湿度传感器、DHT22、随机森林分类器、Flask云服务。
48小时测试分类准确率96.8%，脱水胁迫召回率97.9%，节点续航约159天。
可探索多作物泛化、极端环境鲁棒性及边缘端轻量化模型部署以降低云依赖。
低成本边缘-云架构实现植物胁迫自动诊断与灌溉闭环，数据扎实、结论可靠，对智慧农业节水灌溉有参考价值。
小农户的灌溉决策仍依赖主观判断，而根区脱水和过度饱和均会显著降低产量，这使得低成本自动化植物胁迫诊断成为缺水农业地区的迫切需求。本研究设计、实现并验证了一种去中心化系统，通过将物联网（IoT）硬件与云端预测机器学习（ML）模型相结合，闭合了田间传感与灌溉执行之间的控制回路。边缘节点基于ESP32片上系统构建，集成了经过校准的电容式土壤水分探头和DHT22温湿度传感器阵列。序列化遥测数据通过非阻塞加密无线信道传输至Flask Web服务，在此处，一个基于5,000条带标签多传感器记录训练的150棵树的随机森林分类器将植物判定为三种生理状态之一——最优、温度胁迫或脱水胁迫——并返回驱动微灌泵的执行器控制位。所设计的蒸散代理指数将环境温度和相对湿度耦合为单一蒸腾敏感特征。电容校准在十个土芯上与重量法标准进行验证，得到皮尔逊相关系数为0.948。在连续四十八小时的户外评估中，分类器总体准确率达到96.8%，在关键的脱水胁迫类别上精确率为98.2%、召回率为97.9%，平均端到端往返延迟为1.84秒。深度睡眠占空比控制将节点平均电流降至0.65 mA，相当于在单节2,500 mAh电池上估计可无人值守运行159天。结果表明，低成本边缘—云架构无需服务器级硬件即可为微精准农业提供可靠、及时且能源可持续的灌溉控制。