【软件设计】基于边缘计算的智慧农业监控系统.pdfVIP

基于边缘计算的智慧农业监控系统

一、总体介绍

1.1系统概述

本系统是一个集物联网、边缘计算、人工智能和云计算于一体的现代化农业监控解决方案。

系统通过部署在农田现场的边缘计算节点，实时采集环境数据并执行本地智能决策，同时结

合云平台的强大计算能力进行模型训和大数据分析，实现农业生产过程的精准化、智能化

管理。

1.2核心价值

-实时响应：边缘计算实现毫秒级设备控制响应

-成本优化：减少90%以上云端数据传输流量

-高可靠性：断网情况下仍可维持基本农田管理功能

-智能化：AI模型实现病虫害预警和生长预测

-易扩展：模块化设计支持多种传感器和设备接入

1.3系统架构特点

采用“云-边-端三层协同架构，边缘节点负责实时数据处理和设备控制，云端负责大数据分

析和模型训，移动端提供便捷的管理界面，三者通过安全可靠的通信协议协同工作。

二、完整系统设计

2.1系统架构设计

2.1.1总体架构图

text

I

|云服务平台

IIIII

||模型训||大数据分析||设备管理平台|

||服务||服务|||

IoT平台(AWS/Aliyun)

HTTPS/MQTToverTLS

I模型训集群(Kubernetes)

I——模型版本管理

1模型OTA下发服务

loT平台

|设备接入管理(AWSloTCore/AliyunloTPlatform)

I——设备影子服务

I——规则引擎

1时序数据库(InfluxB/Tengine)

业务服务

I——用户管理服务

I——农场管理服务

I——报警通知服务

I——数据分析服务

API网关(Kong)

存储层

I对象存储(S3/OSS)-图像存储

I关系数据库(PostgreSQL)-业务数据

I——时序数据库-传感器数据

1缓存(RedisCluster)

2.4核心功能模块设计

2.4.1数据采集与预处理模块

python

数据采集服务核心逻辑

classataCollector:

def_init_(self):

self.lora_gateway二LoRaGatewayQ

self.edgex_client=EdgeXCIientQ

self.data_cache二RedisCache。

asyncdefcollect_sensor_data(self):

多协议数据采集”””

LoRa传感器数据

lora_data=awaitself.lora_gateway.receive()

摄像头数据

image_data=awaitseIf.capture_images()

设备状态数据

device_status二awaitself.read_modbus_devices()

return{

sensors:self.preprocess(lora_data),

images:image_data,

devices:device_status

}

defpreprocess(self,raw_data):

“““边缘侧数据预处理“““

processed二{}

forsensorjd,valuesinraw_data.items()：

1.异常值过滤(3。原则)

filtered二self.filter_outliers(values)