SMART GREENHOUSE MEASUREMENT AND MONITORING SYSTEM BASED ON IOT AND COMPUTER VISION
HOANG THI TU UYEN · NGUYEN HOANH · NGO THANH QUYEN 等 5 人
集成物联网与计算机视觉的智能温室系统，实现非破坏性植物生长监测与远程管控。
环境传感器、STM32、树莓派4、USB摄像头、轻量茎分割模型、Firebase
原型可实时采集温湿度、土壤水分和光照，并从RGB图像估计株高，验证了边缘表型监测可行性。
可扩展至茎宽、叶面积、冠层覆盖度等更丰富农艺指标，并实现自动化环境控制闭环。
低成本IoT与边缘视觉融合的温室监测原型，方法可行、数据翔实，但属细分技术验证，产业影响有限。
本文提出了一种集成物联网与计算机视觉的智能温室测量与监测系统，用于非侵入式植物生长观测与远程监管。所提出的架构结合了环境传感器、基于STM32的数据采集与控制模块、配备USB摄像头的Raspberry Pi 4、基于轻量级深度学习的茎秆分割模块、Firebase实时数据库以及用于监测与控制的Web应用程序。在计算机视觉模块中，番茄植株图像直接在Raspberry Pi上处理，以分割茎秆区域并根据标定后的图像测量值估算株高，从而实现基于边缘的表型监测，无需破坏性采样或人工测量。在番茄栽培原型上的实验结果表明，该系统能够实时采集温度、空气湿度、土壤湿度和光照强度数据，同时基于RGB图像提供自动株高估算。在报告期内，温度范围为27.8°C至38.8°C，空气湿度为40.2%至77.0%，土壤湿度为52.0%至82.4%，株高从65.8 cm增长至77.0 cm。分割结果证明了在实际温室条件下（包括复杂背景、叶片遮挡和非均匀光照）提取茎秆级结构信息的可行性。该原型验证了低成本智能温室监测系统的潜力，并为未来扩展至更丰富的农艺指标（如茎宽、叶面积、冠层覆盖度、生长速率估算和自动化环境控制）提供了实践基础。