STM32智能农业监测系统实战：从传感器选型到云端数据可视化的完整开发流程-平芜编程栈

STM32智能农业监测系统实战：从传感器选型到云端数据可视化的完整开发流程

去年夏天，我帮朋友改造他的小型有机农场时，遇到了一个棘手的问题：他每天要花两三个小时在几个大棚之间来回跑，手动记录温度、湿度、土壤数据，不仅效率低下，还经常因为数据记录不及时导致作物生长出现问题。这让我意识到，市面上虽然有很多农业监测方案，但要么价格昂贵，要么不够灵活，要么数据链路复杂得让人望而却步。

于是我开始琢磨，能不能用STM32为核心，搭建一个成本可控、部署灵活、数据能实时上云的监测系统？经过三个月的迭代，我们最终实现了一套稳定运行的系统，单节点硬件成本控制在200元以内，数据延迟不超过5秒，电池续航能达到半年以上。更重要的是，这套系统的架构足够开放，你可以根据自己的需求更换传感器、调整上传频率，甚至对接不同的云平台。

这篇文章就是把我这几个月踩过的坑、总结的经验，以及完整的实现方案分享给你。无论你是想为自己的小农场搭建监测系统，还是作为嵌入式开发的学习项目，都能从中找到实用的参考。

1. 硬件选型与电路设计：在成本与性能间找到平衡点

硬件选型是整个项目的基础，选对了事半功倍，选错了后续调试会非常痛苦。我的原则是：在满足功能需求的前提下，优先选择成熟稳定、文档齐全、社区支持好的组件。

1.1 核心控制器：为什么选择STM32F103C8T6？

市面上主流的STM32系列有很多，从F0到H7，价格和性能差异很大。对于农业监测这种应用，我最终选择了经典的“蓝莓板”——STM32F103C8T6。原因很简单：

性价比极高：零售价约15-20元，却拥有72MHz主频、64KB Flash、20KB RAM，完全够用
生态成熟：HAL库、标准库、寄存器开发都有海量资料，遇到问题基本都能找到解决方案
外设丰富：3个USART、2个I2C、2个SPI、2个ADC，足够连接各种传感器
低功耗模式：支持睡眠、停机和待机模式，这对电池供电的设备至关重要

提示：如果你对功耗有极致要求，可以考虑STM32L系列，但价格会高出30%-50%。对于大多数农业监测场景，F103的功耗已经足够优秀。

1.2 传感器选型：精度、功耗与价格的三角博弈

传感器是系统的“眼睛”，选型时要考虑三个核心因素：测量精度、功耗和价格。下面是我测试过的几种常见传感器对比：

传感器类型	推荐型号	接口	精度	功耗	单价	适用场景
温湿度	DHT22	单总线	±0.5℃, ±2%RH	1.5mA@3.3V	25元	大棚内部环境
土壤湿度	FC-28	模拟输出	相对湿度	约20mA	8元	盆栽、小面积
土壤湿度	TDR-3A	I2C	±3%	15mA@5V	45元	专业农田
光照强度	BH1750	I2C	±20%	0.12mA	12元	光照监测
CO2浓度	SGP30	I2C	±15%	60mA峰值	65元	温室气体监测

DHT22是我最推荐的温湿度传感器，虽然它比DHT11贵一些，但精度更高，而且单总线接口只需要一根数据线，布线非常方便。实际使用中要注意的是，DHT22的响应时间约2秒，采样间隔不要设置得太短。

对于土壤湿度传感器，如果只是做定性判断（比如“干”、“湿”、“适中”），FC-28完全够用。但如果需要定量分析，TDR-3A这类基于时域反射原理的传感器会更准确，当然价格也更高。

1.3 通信模块：4G Cat.1 vs NB-IoT vs LoRa的选择困境

数据上传是农业监测系统的关键环节。我测试了三种主流的物联网通信方案：

// 通信模块选型决策逻辑示例 typedef enum { COMM_4G_CAT1, // 高速率，高功耗，适合视频传输 COMM_NB_IoT, // 低速率，低功耗，适合小数据包 COMM_LORA, // 自组网，无需SIM卡，距离受限 COMM_WIFI // 有WiFi覆盖的场景 } CommType; CommType select_comm_module(float data_rate, float power_budget, bool has_network) { if (has_network && data_rate > 10) { return COMM_4G_CAT1; // 需要传输图像或大量数据 } else if (has_network && power_budget < 100) { return COMM_NB_IoT; // 电池供电，数据量小 } else if (!has_network && distance < 5000) { return COMM_LORA; // 无运营商网络覆盖 } else { return COMM_WIFI; // 大棚内有稳定WiFi } }

我的建议是：如果监测点距离机房或路由器不超过100米且有电源，直接用ESP8266/ESP32的WiFi方案最省事。如果需要长距离传输且没有网络覆盖，LoRa是性价比最高的选择。如果有运营商网络覆盖且对实时性要求高，NB-IoT的月流量费现在也很便宜（约1元/月）。

1.4 电源设计：太阳能+锂电池的黄金组合

农业监测设备通常部署在野外，稳定的电源供应是系统可靠运行的前提。我设计的电源方案如下：

太阳能板 (6V/2W) │ ▼ TP4056充电管理芯片 │ ▼ 18650锂电池 (3400mAh) ──► AMS1117-3.3 ──► STM32 & 传感器 │ ▼ 电压检测电路 ──► ADC引脚

这个方案的关键点：

太阳能板要略高于系统最大功耗：我的系统平均功耗约15mA，峰值50mA，6V/2W的板子在晴天能提供约330mA电流，足够用
必须有过充过放保护：TP4056芯片自带这些功能，防止锂电池损坏
电压监测不可少：通过ADC监测电池电压，低于3.3V时进入深度睡眠，保护电池

实际测试中，3400mAh的锂电池在阴雨天气下能支撑系统运行7-10天，配合太阳能板基本可以实现“免维护”。

2. 嵌入式软件架构：模块化设计与低功耗优化

硬件搭好了，软件才是灵魂。一个好的软件架构能让后续的维护和扩展轻松很多。

2.1 基于FreeRTOS的任务划分

我采用FreeRTOS来管理多个任务，这样每个功能模块相对独立，不会因为某个传感器读取超时而影响整个系统。任务优先级设置如下：

// 任务优先级定义 #define TASK_PRIO_SENSOR_READ (tskIDLE_PRIORITY + 2) #define TASK_PRIO_DATA_PROCESS (tskIDLE_PRIORITY + 3) #define TASK_PRIO_COMM_SEND (tskIDLE_PRIORITY + 4) #define TASK_PRIO_POWER_MGMT (tskIDLE_PRIORITY + 1) // 最低优先级 // 传感器读取任务 void vTaskSensorRead(void *pvParameters) { TickType_t xLastWakeTime = xTaskGetTickCount(); const TickType_t xFrequency = pdMS_TO_TICKS(30000); // 30秒读取一次 for(;;) { // 读取所有传感器数据 read_dht22(&temp, &humi); read_soil_moisture(&soil); read_bh1750(&lux); // 发送到数据处理队列 xQueueSend(xDataQueue, &sensor_data, portMAX_DELAY); vTaskDelayUntil(&xLastWakeTime, xFrequency); } }

任务间通信使用队列而不是全局变量，这是FreeRTOS的最佳实践。每个任务只关心自己的输入队列和输出队列，耦合度降到最低。

2.2 低功耗策略：让设备续航翻倍的技巧

农业监测设备大部分时间都在“等待”，优化等待时的功耗能大幅延长电池寿命。STM32F103支持三种低功耗模式：

睡眠模式：CPU停止，外设继续运行，唤醒最快
停机模式：所有时钟停止，SRAM和寄存器保持，唤醒需要重新配置时钟
待机模式：最低功耗，SRAM内容丢失，相当于软重启

我的策略是分级进入低功耗：

数据上传后，如果30分钟内无任务，进入睡眠模式
夜间（根据RTC判断）进入停机模式
电池电压过低时进入待机模式，等待太阳能充电

void enter_stop_mode(void) { // 1. 关闭所有外设时钟 __HAL_RCC_GPIOA_CLK_DISABLE(); __HAL_RCC_GPIOB_CLK_DISABLE(); // ... 其他GPIO // 2. 配置唤醒源（这里用RTC，每30分钟唤醒一次） HAL_RTCEx_SetWakeUpTimer_IT(&hrtc, 1800, RTC_WAKEUPCLOCK_RTCCLK_DIV16); // 3. 进入停机模式 HAL_PWR_EnterSTOPMode(PWR_LOWPOWERREGULATOR_ON, PWR_STOPENTRY_WFI); // 4. 唤醒后重新初始化系统时钟 SystemClock_Config(); }

实测下来，优化后的系统平均电流从15mA降到了2.8mA，3400mAh的电池理论续航从9天提高到了50天。

2.3 数据缓存与断点续传

农田里的网络信号时好时坏，数据上传失败是常态。我设计了一个简单的环形缓冲区来缓存未上传的数据：

#define DATA_BUFFER_SIZE 100 // 最多缓存100条记录 typedef struct { uint32_t timestamp; float temperature; float humidity; uint16_t soil_moisture; uint16_t light_intensity; uint8_t uploaded; // 0=未上传，1=已上传 } SensorRecord; SensorRecord data_buffer[DATA_BUFFER_SIZE]; uint16_t write_index = 0; uint16_t read_index = 0; void save_to_buffer(SensorRecord record) { data_buffer[write_index] = record; data_buffer[write_index].uploaded = 0; write_index = (write_index + 1) % DATA_BUFFER_SIZE; // 如果缓冲区满了，覆盖最旧的数据 if (write_index == read_index) { read_index = (read_index + 1) % DATA_BUFFER_SIZE; } } void upload_from_buffer(void) { while (read_index != write_index) { if (data_buffer[read_index].uploaded == 0) { if (upload_to_cloud(&data_buffer[read_index])) { data_buffer[read_index].uploaded = 1; read_index = (read_index + 1) % DATA_BUFFER_SIZE; } else { break; // 上传失败，下次再试 } } else { read_index = (read_index + 1) % DATA_BUFFER_SIZE; } } }

这个设计保证了即使在网络中断几天的情况下，数据也不会丢失。网络恢复后，系统会自动补传所有未上传的数据。

3. 传感器数据采集与处理：从原始数据到可信信息

传感器读回来的原始数据往往包含噪声和误差，直接使用会导致误判。下面分享我的数据处理流程。

3.1 DHT22温湿度传感器的稳定读取

DHT22的单总线协议看似简单，实际使用时却有很多坑。最大的问题是时序要求严格，如果中断处理不当，很容易读取失败。

// DHT22读取函数（基于HAL库） #define DHT22_PIN GPIO_PIN_0 #define DHT22_PORT GPIOA uint8_t dht22_read(float *temperature, float *humidity) { uint8_t data[5] = {0}; uint8_t checksum; // 1. 主机拉低至少18ms HAL_GPIO_WritePin(DHT22_PORT, DHT22_PIN, GPIO_PIN_RESET); HAL_Delay(20); // 2. 主机释放，等待从机响应 HAL_GPIO_WritePin(DHT22_PORT, DHT22_PIN, GPIO_PIN_SET); delay_us(40); // 需要微秒级延时函数 // 3. 配置引脚为输入，检测从机响应 GPIO_InitTypeDef GPIO_InitStruct = {0}; GPIO_InitStruct.Pin = DHT22_PIN; GPIO_InitStruct.Mode = GPIO_MODE_INPUT; GPIO_InitStruct.Pull = GPIO_PULLUP; HAL_GPIO_Init(DHT22_PORT, &GPIO_InitStruct); // 等待从机拉低80us if (wait_pin_state(GPIO_PIN_RESET, 100) == ERROR) { return ERROR; } // 等待从机拉高80us if (wait_pin_state(GPIO_PIN_SET, 100) == ERROR) { return ERROR; } // 4. 读取40位数据 for (int i = 0; i < 40; i++) { // 每个bit都以50us低电平开始 if (wait_pin_state(GPIO_PIN_RESET, 100) == ERROR) { return ERROR; } // 高电平持续时间决定bit值 uint32_t start = HAL_GetTick(); if (wait_pin_state(GPIO_PIN_SET, 100) == ERROR) { return ERROR; } uint32_t duration = HAL_GetTick() - start; data[i/8] <<= 1; if (duration > 40) { // 26-28us为0，70us为1 data[i/8] |= 1; } } // 5. 校验和验证 checksum = data[0] + data[1] + data[2] + data[3]; if (checksum != data[4]) { return ERROR; } // 6. 数据转换 *humidity = (float)((data[0] << 8) | data[1]) / 10.0; *temperature = (float)(((data[2] & 0x7F) << 8) | data[3]) / 10.0; if (data[2] & 0x80) { *temperature = -(*temperature); } return SUCCESS; }

注意：DHT22不能频繁读取，两次读取间隔至少2秒。我实际使用中设置为30秒读取一次，既保证了数据实时性，又避免了传感器过热。

3.2 土壤湿度传感器的校准与补偿

FC-28这类电阻式土壤湿度传感器有个通病：读数受土壤盐分、温度影响很大。我的解决方案是现场校准+温度补偿。

首先在目标土壤中进行三点校准：

完全干燥时的ADC值（传感器悬空）
完全湿润时的ADC值（传感器浸入水中）
理想湿度时的ADC值（根据作物类型确定）

然后建立查找表，在实际使用中进行线性插值：

typedef struct { uint16_t adc_value; // 原始ADC读数 float temperature; // 测量时的温度 float real_moisture; // 实际湿度百分比 } CalibrationPoint; CalibrationPoint cal_table[] = { {850, 25.0, 0.0}, // 干燥 {450, 25.0, 30.0}, // 适宜（西红柿） {280, 25.0, 100.0}, // 饱和 {820, 35.0, 0.0}, // 高温干燥 {420, 35.0, 30.0}, // 高温适宜 {260, 35.0, 100.0}, // 高温饱和 }; float get_compensated_moisture(uint16_t adc_val, float temp) { // 1. 温度补偿：每升高10℃，ADC值降低约3% float temp_factor = 1.0 - (temp - 25.0) * 0.003; uint16_t compensated_adc = adc_val * temp_factor; // 2. 查找表插值 for (int i = 0; i < sizeof(cal_table)/sizeof(CalibrationPoint) - 1; i++) { if (compensated_adc >= cal_table[i+1].adc_value && compensated_adc <= cal_table[i].adc_value) { float ratio = (float)(compensated_adc - cal_table[i+1].adc_value) / (float)(cal_table[i].adc_value - cal_table[i+1].adc_value); return cal_table[i+1].real_moisture + ratio * (cal_table[i].real_moisture - cal_table[i+1].real_moisture); } } return -1.0; // 超出范围 }

3.3 数据滤波：滑动平均与中值滤波的结合

传感器数据难免有噪声，特别是模拟传感器。我采用两级滤波：先用中值滤波去除脉冲干扰，再用滑动平均平滑数据。

#define MEDIAN_WINDOW 5 #define MOVING_AVG_WINDOW 10 // 中值滤波 float median_filter(float new_value) { static float buffer[MEDIAN_WINDOW] = {0}; static uint8_t index = 0; float temp[MEDIAN_WINDOW]; buffer[index] = new_value; index = (index + 1) % MEDIAN_WINDOW; // 复制到临时数组排序 memcpy(temp, buffer, sizeof(buffer)); // 冒泡排序（数据量小，效率足够） for (int i = 0; i < MEDIAN_WINDOW - 1; i++) { for (int j = 0; j < MEDIAN_WINDOW - i - 1; j++) { if (temp[j] > temp[j+1]) { float swap = temp[j]; temp[j] = temp[j+1]; temp[j+1] = swap; } } } return temp[MEDIAN_WINDOW / 2]; // 中值 } // 滑动平均滤波 float moving_average_filter(float new_value) { static float buffer[MOVING_AVG_WINDOW] = {0}; static uint8_t index = 0; static float sum = 0; sum = sum - buffer[index] + new_value; buffer[index] = new_value; index = (index + 1) % MOVING_AVG_WINDOW; return sum / MOVING_AVG_WINDOW; } // 完整的滤波流程 float process_sensor_data(float raw_value) { float median_result = median_filter(raw_value); return moving_average_filter(median_result); }

这种组合滤波的效果很好，既能滤除偶尔的异常值，又能保持数据的实时性。实际测试中，温度数据的波动从±1.5℃降到了±0.3℃。

4. 云端对接与数据可视化：从设备到决策支持

数据上传到云端只是第一步，更重要的是如何让数据产生价值。我选择阿里云IoT平台，主要是看中它的生态完整和文档详细。

4.1 阿里云IoT平台接入实战

阿里云IoT提供了两种接入方式：直连设备和网关设备。对于农业监测这种数据量不大的场景，直连设备更简单。

第一步：创建产品和设备在阿里云IoT控制台创建产品时，要注意定义好物模型。物模型就是设备的“数字孪生”，定义了设备有哪些属性、能执行哪些服务。

// 温湿度传感器的物模型定义（部分） { "schema": "https://iotx-tsl.oss-ap-southeast-1.aliyuncs.com/schema.json", "profile": { "productKey": "a1xxxxxxxxxx" }, "properties": [ { "identifier": "Temperature", "dataType": { "type": "float", "specs": { "min": "-40", "max": "80", "unit": "℃", "unitName": "摄氏度" } }, "name": "温度", "accessMode": "r" }, { "identifier": "Humidity", "dataType": { "type": "float", "specs": { "min": "0", "max": "100", "unit": "%", "unitName": "百分比" } }, "name": "湿度", "accessMode": "r" } ] }

第二步：设备端SDK集成阿里云提供了C-SDK，但直接用在STM32上有些臃肿。我参考SDK的核心逻辑，自己实现了一个轻量级版本：

// 简化的MQTT连接函数 int connect_aliyun(const char *product_key, const char *device_name, const char *device_secret) { // 1. 生成MQTT连接参数 char client_id[100]; char username[50]; char password[200]; // clientId格式: deviceName|securemode=3,signmethod=hmacsha256| snprintf(client_id, sizeof(client_id), "%s|securemode=3,signmethod=hmacsha256|", device_name); // username格式: deviceName&productKey snprintf(username, sizeof(username), "%s&%s", device_name, product_key); // password用HMAC-SHA256生成 generate_password(device_secret, password); // 2. 连接MQTT服务器 mqtt_client client; mqtt_init(&client, "iot-as-mqtt.cn-shanghai.aliyuncs.com", 1883); return mqtt_connect(&client, client_id, username, password); } // 上报属性数据 int report_property(const char *product_key, const char *device_name, const char *property, float value) { char topic[100]; char payload[200]; // topic格式: /sys/{productKey}/{deviceName}/thing/event/property/post snprintf(topic, sizeof(topic), "/sys/%s/%s/thing/event/property/post", product_key, device_name); // payload格式: {"id":"123","version":"1.0","params":{"property":value}} snprintf(payload, sizeof(payload), "{\"id\":\"%lu\",\"version\":\"1.0\",\"params\":{\"%s\":%.2f}}", HAL_GetTick(), property, value); return mqtt_publish(topic, payload, strlen(payload)); }

第三步：数据上报策略农业监测数据变化相对缓慢，没必要每秒上报。我的策略是：

正常情况：每5分钟上报一次
数据突变（如温度变化超过2℃）：立即上报
设备重启后：上报所有缓存数据

void data_report_strategy(float current_temp, float last_temp) { static uint32_t last_report_time = 0; uint32_t current_time = HAL_GetTick(); // 检查是否数据突变 if (fabs(current_temp - last_temp) > 2.0) { report_all_data(); // 立即上报 last_report_time = current_time; } // 检查是否到达定时上报时间（5分钟） else if (current_time - last_report_time > 300000) { report_all_data(); last_report_time = current_time; } }

4.2 数据可视化：从数字到洞察

原始数据只是一堆数字，只有通过可视化才能变成有用的信息。我在阿里云IoT平台上配置了数据流转到DataV，实现了这样的看板：

实时监测面板：

当前温湿度仪表盘
土壤湿度趋势图
光照强度日变化曲线
设备在线状态指示灯

历史数据分析：

过去24小时温度变化曲线
不同时间段的数据对比
异常数据高亮显示

预警系统：

温度超过35℃时发送短信告警
土壤湿度低于20%时标记为红色
设备离线超过1小时通知维护

这里分享一个实用的技巧：在DataV中配置数据过滤器，让显示更直观：

// DataV数据过滤器示例：将土壤湿度转换为文字描述 function soilMoistureFormatter(value) { if (value >= 60) { return { text: "过湿", color: "#1890ff", icon: "💧" }; } else if (value >= 30 && value < 60) { return { text: "适宜", color: "#52c41a", icon: "✅" }; } else if (value >= 15 && value < 30) { return { text: "偏干", color: "#faad14", icon: "⚠️" }; } else { return { text: "干旱", color: "#f5222d", icon: "🔥" }; } } // 温度趋势判断 function temperatureTrend(lastHour, current) { const diff = current - lastHour; if (diff > 2) return "快速上升"; if (diff > 0.5) return "缓慢上升"; if (diff < -2) return "快速下降"; if (diff < -0.5) return "缓慢下降"; return "稳定"; }

4.3 微信小程序：移动端监控方案

除了PC端看板，我还开发了一个简单的微信小程序，方便朋友在手机上随时查看。小程序通过调用阿里云IoT的API获取数据：

// 小程序页面代码示例 Page({ data: { temperature: 0, humidity: 0, soilMoisture: 0, lastUpdate: '' }, onLoad() { this.getDeviceData(); // 每5分钟自动刷新 setInterval(() => { this.getDeviceData(); }, 300000); }, getDeviceData() { wx.request({ url: 'https://iot.cn-shanghai.aliyuncs.com/query', method: 'POST', header: { 'Authorization': `Bearer ${this.data.token}`, 'Content-Type': 'application/json' }, data: { productKey: 'a1xxxxxxxxxx', deviceName: 'sensor_001', startTime: Date.now() - 3600000, // 过去1小时 endTime: Date.now() }, success: (res) => { const data = res.data.data; if (data && data.length > 0) { const latest = data[data.length - 1]; this.setData({ temperature: latest.Temperature.toFixed(1), humidity: latest.Humidity.toFixed(1), soilMoisture: latest.SoilMoisture, lastUpdate: this.formatTime(latest.timestamp) }); } } }); }, formatTime(timestamp) { const date = new Date(timestamp); return `${date.getHours()}:${date.getMinutes().toString().padStart(2, '0')}`; } });

小程序的优势是开发快、传播方便。我用了两个晚上就做出了基础功能，朋友和他的工人都在用，反馈很好。

5. 部署优化与维护经验：让系统稳定运行的关键细节

系统开发完成只是开始，真正的挑战在部署和维护。下面是我在实际部署中总结的经验。

5.1 防水防尘：户外设备的生存之道

农业环境恶劣，防水防尘是首要考虑。我的做法是：

电路板三防漆：所有电路板喷涂三防漆，防止潮湿和腐蚀
IP65防护盒：选择专业的防水接线盒，价格不贵但效果显著
硅胶密封圈：所有接口处加装硅胶密封圈
呼吸阀：在盒子底部安装防水透气阀，平衡内外气压

注意：不要完全密封！温度变化会导致盒内结露。防水透气阀能让水汽排出，同时防止液态水进入。

5.2 安装位置选择：数据准确性的保障

传感器安装位置直接影响数据质量：

温湿度传感器：离地面1.5米，避免阳光直射，远离灌溉喷头
土壤湿度传感器：插入深度15-20厘米，避开施肥区域
光照传感器：朝南倾斜30度，定期清洁表面
设备整体：尽量安装在阴凉处，避免高温暴晒

我最初把设备放在大棚中央，结果夏天中午温度读数比实际高了8℃。后来移到背阴处，加装防晒罩，问题就解决了。

5.3 远程维护：OTA升级与故障诊断

设备部署后，不可能每次都去现场维护。我实现了OTA升级和远程诊断功能。

OTA升级流程：

// 1. 检查新版本 int check_firmware_update(void) { char url[256]; snprintf(url, sizeof(url), "http://your-server.com/firmware/version.txt?device=%s", device_id); // 下载版本信息 if (http_get(url, version_info) == SUCCESS) { if (strcmp(version_info.version, CURRENT_VERSION) > 0) { return NEW_VERSION_AVAILABLE; } } return NO_UPDATE; } // 2. 下载固件 int download_firmware(const char *version) { char url[256]; snprintf(url, sizeof(url), "http://your-server.com/firmware/%s.bin", version); // 分段下载到Flash uint32_t offset = 0; while (offset < total_size) { download_chunk(url, offset, chunk_size); write_to_flash(offset, chunk_data, chunk_size); offset += chunk_size; } return SUCCESS; } // 3. 重启到新固件 void jump_to_new_firmware(void) { // 设置启动标志 write_boot_flag(NEW_FIRMWARE_FLAG); // 重启 HAL_NVIC_SystemReset(); }

远程诊断功能：

通过MQTT下发诊断命令
设备返回运行状态、电池电压、信号强度等信息
支持远程重启、恢复出厂设置

// 诊断命令处理 void handle_diagnostic_command(const char *cmd) { if (strcmp(cmd, "get_status") == 0) { char status[200]; snprintf(status, sizeof(status), "{\"battery\":%.2f,\"rssi\":%d,\"uptime\":%lu,\"free_heap\":%lu}", get_battery_voltage(), get_signal_strength(), HAL_GetTick() / 1000, xPortGetFreeHeapSize()); mqtt_publish("diagnostic/response", status, strlen(status)); } else if (strcmp(cmd, "reboot") == 0) { HAL_NVIC_SystemReset(); } }

5.4 成本控制与批量生产建议

如果只是做一两个原型，成本不是大问题。但如果要批量部署，每个细节都要精打细算。

BOM成本分析（单节点）：

组件	型号	单价	备注
STM32F103C8T6	核心板	18元	带USB转串口
DHT22	温湿度传感器	25元
FC-28	土壤湿度	8元
BH1750	光照传感器	12元
ESP8266	WiFi模块	12元
18650电池	3400mAh	15元
太阳能板	6V/2W	25元
防水盒	IP65	18元
PCB及其他	20元
合计	153元

批量生产建议：

定制PCB：打样50片，单价能降到8元/片
传感器批量采购：DHT22批量价能到18元
简化结构：用更小的防水盒，省5元
去掉调试接口：生产版本不需要USB转串口

这样算下来，批量100套的话，单套成本能控制在120元左右。

5.5 常见问题排查手册

最后分享一些我遇到过的典型问题和解决方法：

问题1：DHT22偶尔读取失败

可能原因：时序不准确、电源不稳、传感器老化
解决方法：增加重试机制（最多3次）、检查电源电压（确保在3.3V±5%）、更换传感器

问题2：WiFi经常断开

可能原因：信号弱、路由器设置、电源干扰
解决方法：添加外部天线、修改路由器信道、在电源入口加磁珠

问题3：数据上传延迟大

可能原因：网络信号差、MQTT连接断开、服务器响应慢
解决方法：增加发送超时检测、实现断线重连、压缩数据包

问题4：电池续航短

可能原因：采样频率太高、未进入低功耗模式、太阳能板功率不足
解决方法：调整采样间隔为10分钟、优化休眠策略、更换更大功率太阳能板

我在实际部署中，最远的一个节点距离路由器有80米，中间还有两堵墙。最初信号很差，每天断线十几次。后来换用ESP32（天线性能更好），加装了小型定向天线，现在基本能稳定连接。

这个项目从构思到稳定运行，前后用了三个月时间。最大的收获不是技术本身，而是学会了如何在有限的资源下做出可用的产品。农业监测听起来高大上，但核心需求其实很朴素：稳定、准确、省电、便宜。用STM32实现这些目标完全可行，而且有足够的灵活性应对各种变化。

如果你也在做类似的项目，我的建议是：先从最简单的温湿度监测开始，跑通整个数据链路。然后再逐步增加土壤、光照等传感器。不要追求一步到位，迭代开发才能及时发现问题、调整方向。毕竟，能让农民朋友用起来、觉得有用的系统，才是好系统。

STM32智能农业监测系统实战：从传感器选型到云端数据可视化的完整开发流程