基于LoRa的多传感器水质监测系统的设计与实现.pdf
基于LoRa的多传感器水质监测系统的设计与实现
摘要
我国地理位置优越，拥有18000多公里的海岸线，2667万公顷的陆地水域，以及
1000多种经济价值较高的水产品，已经成为世界水产品养殖大国。近年来，随着人类活
动所引起的水域污染情况的加重，导致许多大型海藻、鱼类和贝壳等水产品产量大幅减
少，甚至有些物种已经接近灭绝。在这样的背景下，现代水产养殖必然朝着工业化和智
能化模式发展。智能水质监测可完成对水产品养殖中的关键环境多要素进行实时、在线
获取，从而提高其产量与质量，实现经济效益和绿色环保双功能化，成为当前行业关注
的重要技术之一。当前工厂化养殖中水质监测数据传输大多采用无线通信方式，如采用
Zigbee、WiFi、GPRS等。这些技术存在通信距离短、抗干扰性差、功耗高等缺陷，难
以满足大面积水产养殖的需求。本课题设计了一种基于LoRa（LongRangeRadio，远距
离无线电）技术的多参数水质监测系统，利用多传感器与主控制器搭建采集集成系统，
实现数据采集、解析与存储等功能；采用具有低功耗、远距离通信优势的LoRa技术进
行传感器采集数据的无线传输；利用数据分析和神经网络结合优化算法构建预测模型，
实现对水质关键参数的降噪与预测，确保养殖环境的长期可控。该智能水质监测系统的
主要研究内容如下：
（1）针对具体应用场景，完成了几种常用无线通信技术的比较与分析。将LoRa通
信技术应用于养殖水质监测系统中，并确定了系统的整体架构。
（2）开展系统硬件设计，包括采集节点和汇聚节点。采集节点通过传感器对水产
养殖区域中的温度、溶解氧饱和度、浊度和pH值数据进行采集。通过LoRa技术将数据
向上发送至汇聚节点，再由汇聚节点通过4G通信网络上传到云服务器。
（3）采用STM32L475作为主控制器，并移植RT-Thread嵌入式实时操作系统，实现
对各水质数据的定时采集、打包和上传功能，以及数据在SD卡中存储。控制防生物附着
紫外灯模块，以延长传感器的使用寿命。
（4）结合阿里云物联网平台设计了监测界面。该界面可接收上传的数据并对其进
行实时监控，最终以折线图和仪表盘的形式展示。设置了水质数据的阈值，在水质参数
超出阈值时及时通知用户处理。建立水质参数数据库，便于用户对历史数据进行操作。
（5）设计了一种基于小波变换（WaveletTransform，WT）算法与长短期记忆神经
网络（LongShort-TermMemory，LSTM）结合的预测方法。该方法可对数据进行分解
和重构，实现数据噪声的消除。再通过长短期记忆神经网络开展了WT-LSTM模型的构
哈尔滨工程大学专业学位硕士学位论文
建，完成了水质参数的预测。
（6）开展了采集节点硬件测试、LoRa通信距离测试、数据可视化功能测试和预测
模型对比分析等工作。采集节点可以实现水质数据的实时采集、上传以及上位机指令控
制等功能；LoRa通信距离能够满足实际应用场地在2km通信范围内，丢包率不超过10%，
且通信质量较好；数据可视化界面可以实时动态展示水质数据，包括Web端和移动端
的数据折线图和仪表盘显示，同时还能监测设备状态情况；通过预测模型的对比分析结
果表明WT-LSTM模型可以有效地降低LSTM模型和RNN（RecurrentNeuralNetwork，
循环神经网络）模型预测结果中存在的数据噪声问题，并且比WT-RNN模型的RMSE
（RootMeanSquarError，均方根误差）降低了31.38%，MAE（MeanAbsoluteError，
平均绝对误差）降低了31.77%，MAPE（MeanAbsolutePercentageError，平均百分比误
差）降低了33.33%，从而更好的提高了溶解氧饱和度的预测精度。
关键词：水质监测；LoRa技术；水产养殖；数据可视化；水质预测
基于LoRa的多传感器水质监测系统的设计与实现
Abstract
China,withitsadvantageousgeographicallocation,hasover18,000kilometersof
coastline,morethan26