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;