鸿蒙智慧大棚

项目简介：该项目基于真实农业场景，与学校周边农户深度合作，利用十万级实测环境数据驱动算法决策，通过鸿蒙开发板与边缘计算技术实现农业设备自动化调控。系统上线后，农户人工干预频率降低65%，作物产量与品质显著提升，助力传统大棚种植向数据驱动的智慧农业转型，相关成果获合作基地规模化推广验证。
技术栈：mysql、WaffleNano开发板、Zigbee无线传感器网络、YOLOv10目标检测模型

我核心负责后端硬件开发板的程序编写工作，核心技术链路围绕“硬件传感器集成+Python Socket实现MQTT网络通信+YOLOv10图像采集与植被病虫害识别+软硬件双向交互”展开，本质是落地一套物联网+计算机视觉+农业植保的边缘端解决方案。我的定位是边缘硬件端一体化开发工程师，既要搞定硬件驱动与数据采集，也要实现网络通信与AI算法落地，下面从我的视角，完整梳理我的核心职责、技术实现路径及可拓展方向，所有内容均贴合我的实际工作场景，具备极强的落地性。
一、我的核心工作职责
我的工作核心围绕WaffleNano开发板展开，全程基于Python语言实现，主要分为三大核心模块，构成了我工作的核心主线：

1. 多类型传感器集成+驱动开发+数据预处理
这是我负责的硬件层核心工作，也是整个系统的数据输入端，核心围绕农业植保场景落地：
-负责农业植保类传感器的硬件接线、Python驱动编写与数据采集，重点集成贴合植被传感器：环境类温湿度、光照强度、CO₂浓度等。
技术实现上，我会用Python实现传感器的I2C/SPI/串口通信，完成原始数据采集；之后对数据做预处理，包括滤波去噪、异常值剔除、数据归一化和单位标准化，最后封装成JSON结构化格式，为后续网络传输做好准备；
我清楚这部分工作的核心价值：病虫害爆发与环境强相关，比如高湿易引发霜霉病、高温高湿易滋生蚜虫，我采集的传感器数据是病虫害预警的核心依据，能和后续的图像识别形成双重判断维度，提升识别准确性。
2. 基于Python Socket实现MQTT协议，完成全链路网络通讯
我明确一个关键知识点：MQTT协议底层基于TCP/IP协议实现，而Python的socket库是TCP/IP的原生编程接口，所以用socket库实现MQTT功能，是底层原生实现方案，能更好适配硬件开发板的资源限制，也是我工作的技术核心亮点。
核心逻辑设计：我基于Python socket库建立TCP长连接，封装MQTT协议的核心报文（连接、发布、订阅、心跳、断开），实现完整的MQTT通信功能；
3.图像采集+YOLOv10算法落地，实现小麦病虫害智能识别（算法层核心，我的重点工作）
负责定义并实现数据交互内容：开发板上行数据包括传感器结构化数据、YOLOv10小麦病虫害识别结果（小麦病害类型、小麦虫害种类、置信度、识别时间）、硬件设备状态（在线/离线、传感器是否故障）；上位机下行数据包括远程控制指令（调整传感器采集频率、摄像头拍照、修改YOLOv10识别参数、外设启停）和设备校准指令；