摘要：为提升设施农业的环境感知与预警能力，同时兼顾连续可靠与成本可控，以Arduino UNO R 3为主控，构建了多模态感知与预警平台。集成温湿度和光照等多传感器，电路系统采用三层叠板结构，上位机实现阈值警告与可视化操作界面。基于能量守恒与水汽守恒提出名义预测环境模型，并结合辐照度分解、传热与换气，推导出温室参数的名义解析表达，并在六个经纬度测试点采集多组数据进行工况验证。实验结果表明，在五档通风条件下，光照校准共180组样本，回归斜率接近1%；温湿度实测与模型预测高度吻合，通风增强可将稳态温升由56—64℃区间显著拉低，并将相对湿度稳定在约35%—50%RH之间；多模态联动测试中，火焰、超声、CO2与可燃气体通道的响应灵敏度分别为99%、89%、95%、91%，实现了从透过辐射到室内多模态响应的闭环集成，为面向不同温室环境测量的推广与应用提供了可行的技术路径。

　　关键词：设施农业；小型温室；多模态感知；环境建模；工况验证

　　1.引言

　　在台风等极端灾害频发及劳动力成本攀升的背景下，设施农业正由经验驱动向数据驱动转变，温室作物对环境状态感知与预警的依赖程度不断提高。中小规模设施受制于成本约束，在传感与控制系统建设方面仍普遍存在模型与现场工况脱节以及跨工况验证不足等问题。因此，围绕温室环境多源信息获取与数据驱动建模，现有研究主要从多传感器融合与数据驱动预测两条路径展开探索。多传感器融合方面，罗焕芝与王骥（2024）提出以改进ICDO算法优化RBFNN的多传感器融合方法，显著提升农业环境感知的精度与稳健性[1]。在多源多节点的时空预测上，在机理建模与模型校准方面，Zhao L等（2023）基于能量平衡构建一维瞬态温度预测模型，以MATLAB求解获取各表面日变化轨迹，在晴天与多云均能较好再现热环境演变，为能量守恒框架在温室中的可用性提供证据[2]。现有研究表明，温室环境感知正由单点测量向多源融合的数据协同建模转变，但在中小设施中构建低成本、可扩展的环境认知与预警体系仍是亟待突破的研究方向。

　　2.系统总体设计

　　2.1主控单元

　　选用Arduino UNO R3开发板作为下位机控制核心（图1），该主控具备较为完备的数字和模拟接口资源，配套生态成熟、成本较低，可满足温室环境参数采集、评估和报警等需求，适用于作物温室场景规模化部署[3]。

　　2.2传感器组成

　　系统设计覆盖温室环境、位置与姿态、安全告警三类关键信息，且传感链路设计具备可校准、可复用和可扩展性，采用串口屏进行本地交互[4]。

　　如图2所示，系统围绕环境监测、空间状态识别与人机交互预警三条设计主线。对气温、湿度、光照、烟雾、火焰、土壤含水率等多源数据实时检测与预警处理，并在统一时间窗内完成互证，在算力受限条件下，通过端侧轻处理实现本地快速预警响应。
　　2.3电路板焊接

　　采用三层叠板结构，底层板集成设备定位、土壤含水率检测及串口显示等模块，实现采集与控制状态的本地可视化（图3）。中间板作为电源与通信枢纽，为上下层提供电源并统一汇聚数据通道。顶层板实现环境感知与告警，集成温度、湿度、空气质量与光照强度等传感单元，并与告警系统联动输出状态提示。各器件按功能分区焊接，板层间通过6P/8P线束与主控引脚对接。

　　2.4系统电路图

　　硬件围绕ArduinoUNO开发板构建星型连接拓扑，各传感模块分布式接入其数字与模拟引脚，实现对环境与工况的多通道感知；各模块由统一5V母线供电，并局部引出3.3V支路以适配低压外设，公共地线保证回路完整性与抗干扰能力，系统电路图如图4所示。

　　3.上位机界面设计

　　3.1登录与权限控制

　　为确保上位机安全与效率一致，登录采用单页表单并明确状态反馈，完成字段合法性检查与凭据校验后直达主界面，并保留必要的状态信息以减少重复加载，流程与图5所示的“登录”与“登录成功”两页相对应，降低跳转频次。

　　在会话管理上采用“短会话+可续期”策略，当会话空闲时间达到预设阈值即被自动注销，压缩暴露窗口时间。系统限制连续认证失败次数，并在检测到弱口令时主动给出改进建议，如图6所示。

　　3.2主界面布局与可视化

　　如图7（a）所示，主界面设计遵循“一屏总览”的原则，将关键传感节点与监测区域映射到背景场景，通过图标与状态标记编码运行状态，值守人员可在单屏内完成对数据的快速扫视与定位。

　　图7（b）所示的界面页用于单指标的时序分析。图7（a）突出传感器在物理空间中的布设与关联关系，图7（b）则聚焦关键指标的时间序列特征，为后续的异常追踪与溯源分析提供入口。

　　5.3.2空气温湿度测试

　　以NE3测试点进行试验装置的空气温度传感测试，在ACH分别为0、60、200、500、1000的五种工况下，每种工况连续采样30分钟，对每一种工况的测试温度值与计算的名义温度值进行比较。

　　如图11所示，温湿度实测曲线整体紧贴名义值虚线，在各换气率工况下均与能量平衡模型预测结果高度一致，验证了该模型对室内热湿过程的良好表征能力。各工况记录初段出现约0—50s的零读数，主要由传感器上电启动及吸湿迟滞所致。进入稳态后，温度仅出现约1℃、相对湿度约1%—3%RH的小幅周期波动。ACH≈0下，室内相对湿度约为100%RH，且温度、湿度实测值均较名义值略高，与局部对流换热不足有关。随通风增强，绝对湿度被稀释并显著降低，同时温度下降导致饱和水汽密度减小，高通风工况ACH≥200下，温度实测均值与名义值基本一致，相对湿度稳定在约35%%—50%RH。对比分析结果表明，所建立的能量平衡模型能够较为准确地再现温室内温湿度的时程变化特性。

　　在NE1、NE2、NE3、NE4、NE5、NE6的六个经纬度地点，ACH=1000的环境中，测量模拟温室大棚的温湿度，所测结果如图12所示。

　　根据图12的结果，在秋分正午、ACH=1000的强通风条件下，NE1-NE6六测试点的温室内温湿度点云高度重叠，采样的30min内主要落在T≈36—40℃、RH≈33%—43%的窄幅区间，时间趋势弱，仅呈数分钟尺度的小幅振荡。强换气使气团快速更新，显著削弱了空间梯度与测试点差异，温度与相对湿度仅表现为弱负相关。

　　5.3.3黏土土壤湿度测试

　　秋分正午在海南省海口市NE1-NE6六个测试点开展强通风条件下的土壤含水量观测。换气率保持ACH=1000，以减弱室内温湿波动对地表蒸散的影响。试验对象为黏土种植区，总采样时长30min，前22 min维持自然蒸散与稳定通风，28—30min向土壤表层缓慢滴水并保持恒定滴速。测试结果如图13所示。

　　在秋分正午并伴随强通风的条件下，黏土表层土壤湿度由“蒸发控制”逐步转为“入渗补给”主导，整体轨迹表现为先缓慢下降，随后快速回升，最终趋于平稳。六个测试点在前22min以蒸发作用为主，湿度缓降。在22min以后，开始实施滴灌，湿度迅速回升并在约3min内达到近稳态，最终升幅约为9%至12%。同一时刻的点间差异较小，主要与微地形和土体紧实度有关。可为小尺度温室灌溉时序优化与监测布点设计提供定量依据。

　　5.3.4火焰、超声波、烟雾测试

　　为验证多模态感知与控制联动系统的闭环性能，在阈值设置及动作判据的基础上，对火焰点火、超声靠近、二氧化碳和可燃气体四类通道开展重复触发试验。分别独立计次，由系统日志与人工复核双重确认，试验结果见表5。

　　火焰传感模块与闪烁判据联合使用，可有效抑制背景红外干扰，该通道触发动作稳定性最高。CO2通道整体优于可燃气体通道，主要是因为前者通常以高浓度、近源方式释放，扩散梯度清晰，跨越阈值过程陡峭，易形成稳定判定；而可燃气体在强通风条件下又易被快速稀释，使部分工况下信号长期徘徊于阈值附近，从而增加漏检风险。

　　6.总结

　　研究面向小型透明温室的设施农业场景，围绕低成本环境感知与可解释环境建模展开研究。构建了基于Arduino UNO R3的多模态环境感知与预警平台，实现对温湿度、光照、烟雾、火焰、土壤含水率、超声等信息的一体化采集与本地告警。平台采用三层叠板和星形接地结构，光照标定误差控制在1%以内，温湿度采集结果稳定，上位机可实时可视化与预警，具备在中小型温室推广应用的潜力。在模型与实验方面，提出了基于能量守恒和水汽守恒的室内温湿度名义预测模型，将辐射分解、传热和通风过程统一用数学模型表达，并结合多经纬度测试点和多档通风实验进行验证。结果表明，模型能够较好显示不同通风强度下室内温度的单调变化趋势及相对湿度约35%—50%的稳定区间，多模态联动测试中火焰、烟雾和二氧化碳等通道识别率均超过90%，平台可在单一硬件体系内同时完成环境监测与安全预警。

参考文献:

　　[1]罗焕芝,王骥.面向农业温室环境的ICDO-RBFNN多传感器数据融合算法[J].农业工程学报,2024,40(21):184-191.

　　[2]Zhao L,Lu L,Liu H,Li Y,Sun Z,Liu X,Li T.A one-dimensional transient temperature prediction model for Chinese assembled solar greenhouses[J].Computers and Electronics in Agriculture,2023,215:108450.doi:10.1016/j.compag.2023.108450.

　　[3]Chen S,Liu A,Tang F,Hou P,Lu Y,Yuan P.A Review of Environmental Control Strategies and Models for Modern Agricultural Greenhouses[J].Sensors,2025,25(5):1388.DOI:10.3390/s25051388.

　　[4]蔡承天.基于云平台打造低成本智慧农场解决方案研究[J].智慧农业导刊,2024,4(06):1-4.DOI:10.20028/j.zhnydk.2024.06.001.

　　[5]方慧,张义,伍纲,等.大跨度保温型温室的热环境模拟[J].中国农业气象,2019,40(03):149-158.DOI:10.3969/j.issn.1000-6362.2019.03.002.

　　[6]张亚红,白青,封美琦,等.日光温室土质梯形墙体与地表太阳辐射测定分析[J].农业工程学报,2013,29(11):164-172.

　　[7]孙宇瑞,马道坤,何权,等.土壤水分剖面实时测量传感器试验研究[J].北京林业大学学报,2006,28(1):55-59.

　　[8]Khan F,Xu Z,Sun J,Khan F M,Ahmed A,Zhao Y.Recent Advances in Sensors for Fire Detection[J].Sensors,2022,22(9):3310.DOI:10.3390/s22093310.