基于4G与LoRa的智慧农业氨气监测系统设计

2026/6/26 17:47:50

1. 项目背景与核心价值

去年在参与一个智慧农业项目时，遇到一个棘手问题：养殖场的氨气浓度监测一直依赖人工手持设备巡检，不仅效率低下，还经常出现数据记录遗漏。为了解决这个问题，我们团队开发了这款基于4G和LoRa的远程氨气监测器。这个开源项目最大的特点在于实现了低功耗广域网络与蜂窝移动通信的有机结合，让环境监测设备真正摆脱了布线束缚。

整套系统由三部分组成：氨气传感器节点（LoRa终端）、LoRa网关和4G通信模块。传感器节点负责采集氨气浓度数据，通过LoRa无线传输到网关，网关再通过4G模块将数据上传到MQTT云服务器。这种架构既保证了长距离覆盖（LoRa在开阔地带可达3-5公里），又实现了真正的远程监控（4G全网通接入）。

关键突破点：通过优化通信协议栈，我们实现了单个4G模块同时服务多个LoRa终端的数据转发，硬件成本降低60%以上。

2. 硬件选型与组网设计

2.1 核心器件选型对比

在选择硬件方案时，我们对比了三种主流配置：

组件类型	选项A	选项B	最终方案	选择理由
主控芯片	STM32F103	ESP32	STM32L071	超低功耗模式仅2μA
氨气传感器	MQ137	SEN0322	MQ137	0.5-50ppm量程更适配养殖场景
LoRa模块	SX1276	SX1262	SX1278	接收灵敏度达-148dBm
4G模块	EC20	BG96	EC200S	支持TCP/IP协议栈内置

特别要说明4G模块的选择：EC200S虽然价格略高，但其内置的MQTT协议栈可以直接与云平台通信，省去了外置MCU处理网络协议的开销，整体功耗反而比"4G模组+单片机"的方案更低。

2.2 网络拓扑优化实践

初期采用星型网络时发现，当终端节点超过20个时，网关会出现数据拥堵。最终改进为分层组网结构：

每5-8个传感器节点组成一个子网
子网内通过TDMA时分复用协调通信
子网主节点通过LoRa中继到网关
网关通过4G统一上传数据

这种设计使得单网关可支持多达50个终端节点，网络延时控制在3秒以内。具体组网参数配置如下：

// LoRa通信参数设置 Radio.SetChannel(RF_FREQUENCY); Radio.SetTxConfig(MODEM_LORA, TX_OUTPUT_POWER, 0, LORA_BANDWIDTH, LORA_SPREADING_FACTOR, LORA_CODINGRATE, LORA_PREAMBLE_LENGTH, LORA_FIX_LENGTH_PAYLOAD_ON, true, 0, 0, LORA_IQ_INVERSION_ON, 3000);

3. 4G接入MQTT云服务实现

3.1 中国移动OneNET平台接入

以中国移动OneNET为例，接入流程包含五个关键步骤：

创建产品：
- 登录OneNET控制台
- 选择"多协议接入"-"MQTT"
- 设置产品名称（如"Ammonia_Monitor"）
- 记录自动生成的PRODUCT_ID和API_KEY
设备注册：

# 使用设备IMEI号注册 curl -X POST --header 'Content-Type: application/json' \ --header 'api-key: YOUR_API_KEY' \ -d '{"sn":"IMEI123456789"}' \ https://open.iot.10086.cn/device/reg

4G模块配置：通过AT指令配置EC200S：

AT+QMTCFG="recv/mode",0,1,1 // 启用异步消息接收 AT+QMTOPEN=0,"183.230.40.39",1883 // 连接MQTT服务器 AT+QMTCONN=0,"client123","PRODUCT_ID","API_KEY" // 鉴权登录

主题订阅与发布：

// 订阅命令主题 AT+QMTSUB=0,1,"$creq/device_id/cmd",1 // 发布数据到主题 AT+QMTPUBEX=0,0,0,0,"$dp",'{"datastreams":[{"id":"ammonia","datapoints":[{"value":25.3}]}]}'

心跳保活机制：

// 在STM32中实现的心跳包发送 void MQTT_KeepAlive(void) { static uint32_t last_send = 0; if(HAL_GetTick() - last_send > 300000) { // 5分钟间隔 Send_AT_Command("AT+QMTPUBEX=0,0,0,0,\"$dp\",'{\"type\":\"ping\"}'"); last_send = HAL_GetTick(); } }

3.2 数据压缩传输优化

为降低4G流量消耗，我们设计了专用的数据压缩算法：

将原始浮点数据乘以10转为整数
使用差分编码（只传输变化量）
采用Base64编码打包实测显示，这种方法使单节点月均流量从5MB降至800KB左右。解码示例：

def decode_payload(encoded_str): raw_data = base64.b64decode(encoded_str) values = [] prev = 0 for byte in raw_data: delta = byte - 128 # 有符号差分值 prev += delta values.append(prev / 10.0) return values

4. 低功耗设计关键技巧

4.1 电源管理方案

设备采用18650锂电池+太阳能板供电，通过以下措施实现超长待机：

动态功耗调节：
- 氨气传感器每10分钟唤醒一次
- LoRa发射功率根据信号强度动态调整（14-20dBm）
- 4G模块仅在数据就绪时激活
硬件级优化：

// STM32停机模式配置 void Enter_Stop_Mode(void) { HAL_PWR_EnterSTOPMode(PWR_LOWPOWERREGULATOR_ON, PWR_STOPENTRY_WFI); // 唤醒后需要重新初始化时钟 SystemClock_Config(); }

实测功耗数据：

工作模式	电流消耗	持续时间	占比
深度睡眠	15μA	585秒	97.5%
传感器加热	45mA	30秒	0.5%
LoRa发射	120mA	3秒	0.05%
4G传输	250mA	12秒	0.02%

计算可得：2000mAh电池可支持约180天连续工作。

4.2 防掉线重连机制

针对4G网络不稳定的情况，设计了三级恢复策略：

快速重试（网络瞬时中断）：
- 等待5秒后自动重连
- 最多尝试3次
SIM卡复位（SIM卡异常）：

AT+CPIN? // 检查SIM状态 AT+CFUN=0 // 关闭射频 AT+CFUN=1 // 重新激活

硬件复位（模块死机）：
- 通过STM32的GPIO控制4G模块的PWRKEY引脚
- 强制断电重启时序：

void Reset_4G_Module(void) { HAL_GPIO_WritePin(GPIOB, PWRKEY_PIN, GPIO_PIN_RESET); HAL_Delay(1000); HAL_GPIO_WritePin(GPIOB, PWRKEY_PIN, GPIO_PIN_SET); HAL_Delay(5000); // 等待模块启动 }

5. 常见问题排查手册

5.1 MQTT连接故障树

MQTT连接失败 ├─ 网络不可达 │ ├─ SIM卡未识别 → 检查AT+CPIN?响应 │ ├─ APN设置错误 → 确认AT+QICSGP=1参数 │ └─ 信号强度弱 → AT+CSQ检查(>10才稳定) ├─ 认证失败 │ ├─ PRODUCT_ID错误 → 核对OneNET控制台 │ └─ API_KEY过期 → 重新生成密钥 └─ 服务器拒绝 ├─ 客户端ID重复 → 修改设备唯一标识 └─ 心跳超时 → 调整AT+QMTCFG="keepalive"值

5.2 LoRa通信距离缩短排查

天线检查：
- 确保天线阻抗匹配（50Ω）
- 避免金属物体遮挡
- 检查天线接口焊接是否虚焊
频谱干扰检测：
- 使用SDR设备扫描工作频段
- 发现干扰时修改Radio.SetChannel()参数
实地测试记录表：

测试点	RSSI值	SNR	包成功率	解决方案
养殖场A区	-112dBm	5	78%	调整网关天线角度
饲料仓库	-126dBm	-3	15%	增加中继节点
办公区	-98dBm	10	99%	无需调整

6. 数据可视化与报警设置

6.1 Node-RED数据处理流

在云服务器部署Node-RED实现：

MQTT输入 → 数据解析 → ├─ 存储到InfluxDB → │ └─ Grafana展示 └─ 阈值判断 → ├─ 正常数据 → 更新仪表盘 └─ 超标数据 → 触发微信报警

关键函数节点代码：

// 氨气浓度报警逻辑 if (msg.payload.ammonia > 20) { msg.alarm = { level: "warning", location: msg.topic.split('/')[2], value: msg.payload.ammonia }; return [null, msg]; } else { return [msg, null]; }

6.2 微信报警集成

通过企业微信机器人实现：

在企微群添加"Incoming Webhook"机器人
获取Webhook URL
Node-RED中配置HTTP请求节点：

{ "method": "POST", "url": "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx", "headers": { "Content-Type": "application/json" }, "payload": "{\"msgtype\":\"markdown\",\"markdown\":{\"content\":\"**氨气超标警报**\\n>位置：{{location}}\\n>浓度：{{value}}ppm\\n>时间：{{timestamp}}\"}}" }

7. 项目扩展方向

在实际部署中，我们还验证了以下增强功能：

多气体监测：
- 增加MQ-7（一氧化碳）
- 增加SGP30（TVOC）
- 需要修改STM32的ADC采样序列
边缘计算：

// 在网关节点的滑动平均滤波 #define WINDOW_SIZE 5 float moving_average(float new_val) { static float buffer[WINDOW_SIZE]; static uint8_t index = 0; buffer[index] = new_val; index = (index + 1) % WINDOW_SIZE; float sum = 0; for(int i=0; i<WINDOW_SIZE; i++) { sum += buffer[i]; } return sum / WINDOW_SIZE; }