基于行空板边缘AI的桌面微环境与植物健康看护站
2026-10-085
一、项目简介
桌面盆栽经常出现养死的情况，市面上普通的植物监测设备只能读取土壤湿度、温湿度等环境数据，无法观察植株本身的叶片状态。
本项目使用行空板，融合多类环境传感器 + 本地AI视觉识别，同时采集环境参数与植株叶片状态，双维度综合推理植物健康状况。
当植物出现黄叶、土壤过干/过湿、光照不适等问题时，屏幕显示状态，并语音播报对应的养护建议；同时自动保存植株照片，记录植物生长变化，实现桌面盆栽的智能看护。
二、硬件清单
1. 行空板 m10
2. DHT11温湿度传感器
3. 土壤湿度传感器
5. 面包板、杜邦线若干
三、设计思路
1. 环境感知层：通过DHT11读取空气温湿度；土壤湿度传感器读取盆土干湿；光敏传感器采集环境光照强度。
2. AI视觉感知层：行空板摄像头定时拍摄盆栽画面，通过颜色阈值识别叶片发黄枯萎区域，判断植株叶片健康情况。
3. 综合推理逻辑：把传感器环境数据和叶片视觉结果结合，生成养护建议。
4. 输出反馈层：行空板屏幕展示全部实时数据、植物状态；异常时语音播报养护提示；定时保存植株照片，留存生长记录。
四、工作原理
1. 程序循环读取各类传感器数值；
2. 调用摄像头获取画面，做HSV颜色空间处理，统计画面中黄色像素占比，判断是否存在黄叶；
3. 将土壤湿度、温湿度、光照、叶片状态四个信息综合判断，输出养护提示；
4. 屏幕刷新全部信息，异常触发语音提醒；
5. 每隔一段时间保存一张植株照片，用于后续对比植物生长变化。
五、核心代码
导入库与硬件初始化
from unihiker import GUI
import time
import os
from pinpong.board import Board, Pin, DHT11
import cv2
import numpy as np
Board().begin()
gui = GUI()
dht11 = DHT11(Pin(Pin.P16))
soil_pin = Pin(Pin.P27, Pin.ANALOG)
save_dir = "/sdcard/plant_photo"
if not os.path.exists(save_dir):
os.mkdir(save_dir)编写黄叶识别核心函数
def detect_yellow_leaf(img):
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower_yellow = np.array([20, 80, 80])
upper_yellow = np.array([35, 255, 255])
mask = cv2.inRange(hsv, lower_yellow, upper_yellow)
yellow_pixel = np.sum(mask > 0)
total_pixel = img.shape[0] * img.shape[1]
yellow_ratio = yellow_pixel / total_pixel
return yellow_ratio > 0.12设计界面，绘制固定静态UI
TITLE_COLOR = "#00AA00"
TEXT_COLOR = "#ffffff"
WARN_COLOR = "#ff4444"
OK_COLOR = "#00ff00"
LINE_COLOR = "#444444"
gui.draw_text(text="🌿 AI植物看护站", x=20, y=8, font_size=22, color=TITLE_COLOR)
gui.draw_line(x0=5, y0=38, x1=235, y1=38, color=LINE_COLOR, width=2)
photo_count = 0循环采集传感器数据、获取摄像头图像并自动拍照
while True:
temp = dht11.temp_c()
hum = dht11.humidity()
soil_val = soil_pin.read_analog()
light_val = gui.get_light()
if temp is None or hum is None or np.isnan(temp) or np.isnan(hum):
temp = "---"
hum = "---"
frame = gui.get_camera_frame()
has_yellow = detect_yellow_leaf(frame)
if photo_count % 10 == 0:
save_path = f"{save_dir}/plant_{photo_count}.jpg"
cv2.imwrite(save_path, frame)
photo_count += 1状态判断、屏幕刷新与语音预警
gui.fill_rect(x=0, y=45, w=240, h=275, color="#000000")
gui.draw_text(text=f"🌡温度: {temp} ℃", x=12, y=55, font_size=15, color=TEXT_COLOR)
gui.draw_text(text=f"💨空气湿度: {hum} %", x=12, y=85, font_size=15, color=TEXT_COLOR)
gui.draw_text(text=f"☀光照强度: {light_val}", x=12, y=115, font_size=15, color=TEXT_COLOR)
gui.draw_text(text=f"🪴土壤湿度: {soil_val}", x=12, y=145, font_size=15, color=TEXT_COLOR)
gui.draw_line(x0=5, y0=170, x1=235, y1=170, color=LINE_COLOR, width=1)
tip_text = ""
tip_color = OK_COLOR
if has_yellow:
tip_text = "⚠检测黄叶！少浇水、加强通风"
tip_color = WARN_COLOR
elif soil_val < 300:
tip_text = "💧土壤偏干，请及时浇水"
tip_color = WARN_COLOR
elif soil_val > 820:
tip_text = "⚠土壤过湿，请暂停浇水"
tip_color = WARN_COLOR
elif light_val < 200:
tip_text = "☀光照不足，请移至明亮处"
tip_color = WARN_COLOR
else:
tip_text = "✅植物各项状态良好"
tip_color = OK_COLOR
gui.draw_text(text=tip_text, x=10, y=185, font_size=14, color=tip_color)
gui.draw_text(text=f"照片计数:{photo_count}", x=10, y=220, font_size=12, color="#aaaaaa")
if "⚠" in tip_text or "💧" in tip_text:
gui.speak(tip_text)
time.sleep(3)完整可移植代码
from unihiker import GUI
import time
import os
from pinpong.board import Board, Pin, DHT11
import cv2
import numpy as np
Board().begin()
gui = GUI()
dht11 = DHT11(Pin(Pin.P16))
soil_pin = Pin(Pin.P27, Pin.ANALOG)
save_dir = "/sdcard/plant_photo"
if not os.path.exists(save_dir):
os.mkdir(save_dir)
TITLE_COLOR = "#00AA00"
TEXT_COLOR = "#ffffff"
WARN_COLOR = "#ff4444"
OK_COLOR = "#00ff00"
LINE_COLOR = "#444444"
gui.draw_text(text="🌿 AI植物看护站", x=20, y=8, font_size=22, color=TITLE_COLOR)
gui.draw_line(x0=5, y0=38, x1=235, y1=38, color=LINE_COLOR, width=2)
def detect_yellow_leaf(img):
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower_yellow = np.array([20, 80, 80])
upper_yellow = np.array([35, 255, 255])
mask = cv2.inRange(hsv, lower_yellow, upper_yellow)
yellow_pixel = np.sum(mask > 0)
total_pixel = img.shape[0] * img.shape[1]
yellow_ratio = yellow_pixel / total_pixel
return yellow_ratio > 0.12
photo_count = 0
while True:
temp = dht11.temp_c()
hum = dht11.humidity()
soil_val = soil_pin.read_analog()
light_val = gui.get_light()
if temp is None or hum is None or np.isnan(temp) or np.isnan(hum):
temp = "---"
hum = "---"
frame = gui.get_camera_frame()
has_yellow = detect_yellow_leaf(frame)
if photo_count % 10 == 0:
save_path = f"{save_dir}/plant_{photo_count}.jpg"
cv2.imwrite(save_path, frame)
photo_count += 1
gui.fill_rect(x=0, y=45, w=240, h=275, color="#000000")
gui.draw_text(text=f"🌡温度: {temp} ℃", x=12, y=55, font_size=15, color=TEXT_COLOR)
gui.draw_text(text=f"💨空气湿度: {hum} %", x=12, y=85, font_size=15, color=TEXT_COLOR)
gui.draw_text(text=f"☀光照强度: {light_val}", x=12, y=115, font_size=15, color=TEXT_COLOR)
gui.draw_text(text=f"🪴土壤湿度: {soil_val}", x=12, y=145, font_size=15, color=TEXT_COLOR)
gui.draw_line(x0=5, y0=170, x1=235, y1=170, color=LINE_COLOR, width=1)
tip_text = ""
tip_color = OK_COLOR
if has_yellow:
tip_text = "⚠检测黄叶！少浇水、加强通风"
tip_color = WARN_COLOR
elif soil_val < 300:
tip_text = "💧土壤偏干，请及时浇水"
tip_color = WARN_COLOR
elif soil_val > 820:
tip_text = "⚠土壤过湿，请暂停浇水"
tip_color = WARN_COLOR
elif light_val < 200:
tip_text = "☀光照不足，请移至明亮处"
tip_color = WARN_COLOR
else:
tip_text = "✅植物各项状态良好"
tip_color = OK_COLOR
gui.draw_text(text=tip_text, x=10, y=185, font_size=14, color=tip_color)
gui.draw_text(text=f"照片计数:{photo_count}", x=10, y=220, font_size=12, color="#aaaaaa")
if "⚠" in tip_text or "💧" in tip_text:
gui.speak(tip_text)
time.sleep(3)这里的模型大家可以在mind+V2中自己训练需要的检测植物。
由于我的行空板有问题，为大家做了模拟处理，但放心，行空板预览效果和下图大差不差。
六、调试踩坑记录（这里为大家列出来防止大家重蹈覆辙）
1. 光照干扰问题：强光环境下，叶片反光会造成黄叶误识别。
解决：调整摄像头角度，避开直射阳光，适当调低黄色识别阈值。
2. 土壤湿度读数漂移：土壤传感器容易接触不良。
解决：传感器探针插入土壤深度保持一致，每次上电重新读取校准。
3. 摄像头画面卡顿：循环间隔设置为3秒，不要频繁拍照，避免行空板性能占用过高。
八、未来改进方向（为大家提供以下方向参考）
1. 增加微型水泵，实现自动浇水；
2. 训练专用植物识别AI模型，提升叶片病害识别准确度；
3. 实现WiFi上传，在电脑端查看植物生长历史记录；
4. 生成植物延时生长视频。
