编写程序让智能蔬菜大棚二氧化碳浓度检测，过低提示“通风增肥”
🌱 智能蔬菜大棚 CO₂ 浓度监测预警系统
一、 实际应用场景描述 (Scenario)
在现代设施农业（如番茄、黄瓜温室）中，CO₂是植物光合作用的“口粮”。
白天光照充足时，植物大量吸收CO₂，导致棚内浓度可能低于大气水平（400ppm），此时若不补充，将直接限制作物产量。
本系统通过红外CO₂传感器（如MH-Z19）实时监测棚内气体浓度。当浓度低于作物生长的最佳阈值（例如 400ppm）时，系统不仅要在本地声光报警，还需通过网络发送指令打开通风扇或启动CO₂发生器（俗称“气肥”）。
二、 核心逻辑讲解 (Core Logic)
本系统采用“采集-判断-执行”的经典负反馈控制逻辑：
1. 数据采集层 (Sensor Layer)：模拟红外CO₂传感器通过串口或ADC读取气体浓度。
2. 阈值判断层 (Logic Layer)：设定两个关键参数：
-
"TARGET_PPM" (目标浓度，如 800ppm)：最佳生长浓度。
-
"LOWER_LIMIT_PPM" (下限阈值，如 400ppm)：触发报警的红线。
3. 执行器控制层 (Actuator Layer)：当
"current_ppm < LOWER_LIMIT_PPM" 时，激活继电器，开启通风增肥设备。
三、 代码模块化实现 (Code Implementation)
我们将系统解耦为三个模块，模拟真实的硬件抽象层（HAL）：
-
"sensor.py": CO₂传感器驱动模拟
-
"controller.py": 控制逻辑核心
-
"main.py": 主监控循环
1. 传感器模块 (
"sensor.py")
模拟真实传感器的噪声和非线性特性，使仿真更接近真实硬件。
# sensor.py
import random
import time
class CO2Sensor:
"""
模拟智能仪器课程中的红外CO₂传感器 (NDIR原理)
实际硬件通常输出模拟电压或数字串口信号
"""
def __init__(self, base_ppm=410):
self.base_ppm = base_ppm
def read_ppm(self):
"""
模拟读取CO₂浓度
加入随机噪声 (-10 ~ +10 ppm) 模拟环境干扰
"""
noise = random.uniform(-10, 10)
# 模拟植物光合作用导致的浓度缓慢下降
self.base_ppm -= 0.5
value = max(350, self.base_ppm + noise)
return round(value, 2)
def simulate_consumption(self, rate=5):
"""模拟植物快速消耗CO₂的场景"""
self.base_ppm -= rate
2. 控制器模块 (
"controller.py")
包含核心业务逻辑和设备状态管理。
# controller.py
from enum import Enum, auto
class DeviceState(Enum):
IDLE = auto()
VENTILATING = auto() # 通风/增肥中
class CO2Controller:
"""
温室CO₂浓度控制器
相当于PLC（可编程逻辑控制器）的逻辑部分
"""
def __init__(self, lower_limit=400, target=800):
self.lower_limit_ppm = lower_limit
self.target_ppm = target
self.state = DeviceState.IDLE
def check_environment(self, current_ppm):
"""
核心控制算法：滞环比较法 (Hysteresis)
防止在阈值边缘频繁开关设备
"""
if current_ppm < self.lower_limit_ppm and self.state == DeviceState.IDLE:
self.activate_ventilation()
return "LOW_ALERT"
if current_ppm > self.target_ppm and self.state == DeviceState.VENTILATING:
self.deactivate_ventilation()
return "NORMAL"
return "STABLE"
def activate_ventilation(self):
"""激活执行器 (继电器/电磁阀)"""
self.state = DeviceState.VENTILATING
print("🚨 控制器指令: [ON] 开启通风扇 & CO₂发生器 (通风增肥)")
def deactivate_ventilation(self):
"""关闭执行器"""
self.state = DeviceState.IDLE
print("✅ 控制器指令: [OFF] 关闭通风设备")
3. 主程序 (
"main.py")
系统调度中心，模拟实时操作系统（RTOS）的任务调度。
# main.py
import time
from sensor import CO2Sensor
from controller import CO2Controller
def main():
print("🌿 智能蔬菜大棚监控系统启动...")
print("=" * 40)
# 初始化硬件抽象对象
sensor = CO2Sensor(base_ppm=450) # 初始浓度略高于空气
controller = CO2Controller(lower_limit=400, target=800)
# 模拟植物生长周期，消耗CO2
cycle_count = 0
try:
while cycle_count < 20: # 模拟运行20个周期
# 1. 感知 (Sense)
current_ppm = sensor.read_ppm()
print(f"\n[采样点 {cycle_count+1}] 当前CO₂浓度: {current_ppm} ppm")
# 模拟植物光合作用消耗
sensor.simulate_consumption(rate=3)
# 2. 决策 (Decide) & 3. 执行 (Act)
status = controller.check_environment(current_ppm)
if status == "LOW_ALERT":
print("❗❗❗ 警报：CO₂浓度过低，影响光合作用！请及时处理！")
cycle_count += 1
time.sleep(1) # 1秒一个控制周期
except KeyboardInterrupt:
print("\n系统被用户中断。")
print("\n系统运行结束。")
if __name__ == "__main__":
main()
四、 README 文件与使用说明
📂 Project Structure
greenhouse_co2_monitor/
├── main.py # 主监控循环
├── sensor.py # CO₂传感器模拟
├── controller.py # 控制逻辑核心
└── README.md
🚀 Getting Started
1. 环境要求:
- Python 3.7+
2. 运行方式:
cd greenhouse_co2_monitor
python main.py
3. 观察现象:随着程序运行，CO₂浓度因“植物消耗”逐渐降低。当数值跌破 400ppm 时，系统将自动打印“通风增肥”指令。
五、 核心知识点卡片 (Knowledge Cards)
知识点 说明 在本项目中的应用
负反馈控制 系统根据输出与目标值的偏差进行调整。 CO₂浓度低 -> 开启气肥 -> 浓度升高 -> 关闭气肥。
滞环比较 (Hysteresis) 设置高低两个阈值，防止执行器频繁抖动。 低于400开启，高于800关闭，中间保持原状。
传感器建模 在软件中模拟真实传感器的物理特性。
"read_ppm()" 中加入随机噪声模拟真实读数。
硬件抽象层 (HAL) 将底层硬件驱动与上层业务逻辑分离。
"sensor.py" 可随时替换为真实的
"RPi.GPIO" 代码。
六、 总结 (Summary)
作为全栈工程师，我们在构建物联网（IoT）应用时，不仅要关注Web端的炫酷图表，更要重视端侧（Edge Side）的可靠性。
本项目虽然代码简洁，但它复现了智能仪器课程中最经典的数据采集与过程控制流程。在实际部署中，
"controller.py" 中的逻辑可以直接移植到 Arduino 或 ESP32 单片机中，通过 GPIO 引脚直接控制继电器模块，实现对温室环境的精准调控。