一台回收电脑上的智能水培农场：来自马来西亚工艺大学与AeroGreen Asia的实地记录
在安装任何传感器或人工智能之前，我们拆卸并清洗了马来西亚工艺大学的一个水培农场。这是AeroGreen Asia项目的实地记录：传感器、ESP32和继电器将如何运作，为什么一台没有GPU的旧i7电脑足以运行其AI模型，以及28盏植物生长灯的耗电量。
- 项目
- 马来西亚工艺大学 (UTM) 的物联网智能水培
- 公司
- AeroGreen Asia (艾科绿)。老板：Teo Choon Yee。简报会上的还有：Eric
- 团队
- 马力伟、Tan Bing Yan、Mohammed Ali Kareem Al-deen 和 Sean Seah，以及 Teo Choon Yee，正如 AeroGreen Asia 的帖子中所述
- 简报
- 2026 年 10 月 15 日星期四，晚上 7:30–9:00，在 Sutera Utama 的 Tea Garden 现场进行
- 现场日
- 2026 年 10 月 25 日星期日，上午 10:00–下午 4:00，在 UTM
- 状态
- 进行中。下一步：在 UTM 校园实验室进行配置
AeroGreen Asia 正在马来西亚工艺大学 (UTM) 将一个传统的水培系统转变为智能系统，这得益于包括我在内的实习生团队的帮助。这篇文章涵盖了前两个步骤：2026 年 10 月 15 日的项目简报，我选择了这个项目；以及 10 月 25 日的现场日，我们拆卸、清洁并重新组装了系统。
信息图在一页中总结了项目。其后的部分解释了每个部分，并附有当天的照片。
本部分使用的术语
- 水培
- 无土栽培植物。根系从营养液中吸收水分和养分。
- 精准农业
- 通过测量进行农业生产：传感器和数据决定何时浇水、施肥或照明植物，而不是固定的例行程序或猜测。
- ESP32
- 一款来自 Espressif 的小型廉价微控制器板，内置 Wi-Fi 和蓝牙，在物联网项目中常用于读取传感器。
- 继电器
- 一种电开关，可以通过小信号（例如来自 ESP32 的信号）进行开关，因此一个微型板可以控制使用市电的泵或灯。
- Google Gemma
- Google 推出的一系列轻量级开源 AI 模型，可以在您自己的硬件上运行，包括没有显卡的电脑。
- 千瓦 (kW) 和千瓦时 (kWh)
- 功率和能量。千瓦 (kW) 是设备在某一时刻消耗电力的速度；千瓦时 (kWh) 是功率乘以时间。
什么是智能水培农场？
智能水培农场是一种无土栽培系统，并在此基础上增加了电子设备。传感器测量水和植物，小型控制器读取数据并发送出去，软件决定如何操作，开关控制泵和灯的开关。农场会自行调整，而无需等待人工检查。
UTM 的基本系统有四个部分。AeroGreen Asia 称之为传统水培系统，下一步是添加传感器、物联网和人工智能。
种植架
SANANBIO 多层种植架。SANANBIO 是福建三安生物科技有限公司的品牌，这是一家位于中国厦门垂直农业公司。
托盘和植物板
每层都有一个盛水的托盘。一个带有方形孔的白色植物板放在托盘上，用于固定植物。
LED 植物生长灯
28 盏灯位于各层上方。植物生长灯通常混合红色和蓝色，这是植物最常利用的颜色，因此当它们亮起时，房间会发出粉红色的光。
水箱
一个独立的灰色水箱储存整个系统的水。
AeroGreen Asia 是谁？
AeroGreen Asia (艾科绿) 是一家农业科技公司，致力于农业物联网和人工智能。其关于此项目的 Facebook 帖子标记为 #精准农业、#智能农业、#食品安全 和 #可持续发展。其老板是 Teo Choon Yee，他与 AeroGreen Asia 的 Eric 一起向实习生团队进行了简报。
该公司还与大学合作。在 2026 年 10 月 28 日南方大学学院的网络研讨会上，课程讲师表示 AeroGreen Asia 与该大学签订了谅解备忘录 (MoU)，并为学生设置了一个真实项目：为 AeroGreen Asia 的工作寻找赞助商。该讲座内容在我们的个人品牌笔记中。
简报：两个项目可供选择
2026 年 10 月 15 日星期四，晚上 7:30 至 9:00，Teo Choon Yee 和 Eric 在 Sutera Utama 的 Tea Garden 亲自会见了实习生团队，并介绍了两个项目。然后他们让我们选择。
| 项目 | 选项 1：物联网智能种植园 | 选项 2：学习平台 |
|---|---|---|
| 目标 | 通过识别植物的摄像头改进种植园 | 建立一个类似 Coursera 的学习平台 |
| 起点 | 所有监控都使用传感器，连接到 ESP32 板和继电器控制器 | UTM 学习管理系统 (LMS) |
| 软件 | 使用 Kotlin 在 Android Studio 中构建的 Android 应用程序 | UTM LMS 上的课程 |
| 人工智能或学习路径 | 应用程序中的 AI (LLM) 功能利用现有可靠数据实现工作自动化并协助收割：旧 PC 上的 Google Gemma（Core i7、16 GB RAM、无 GPU） | 学习者分三个级别（L1 到 L3）从理论转向实践项目 |
我选择了物联网智能种植园。计划是稍后在 UTM 校园实验室会面，在开发开始前进行配置。
在添加传感器之前，为什么要清洁水培系统？
因为传感器测量的是它所处的任何东西。旧水、污垢和藻类会阻塞水流并损害新植物，它们还会给新传感器一个错误的起点。一个干净、正常运行的系统意味着第一次读数描述的是植物，而不是残留物。所以第一天没有人碰传感器。
“在引入物联网传感器和人工智能之前，我们从基础开始——拆卸、彻底清洁并重新组装现有的水培种植系统。”
我们于 2026 年 10 月 25 日星期日，上午 10:00 至下午 4:00，在 UTM 进行了五步工作。
2026 年 10 月 25 日：现场日分五步
- 简报：在货架前解释工作
- 拆卸：拆开种植架
- 清洁：清洁货架、托盘和植物板，并清洗水箱
- 重新组装：将货架重新组装，植物板放回托盘
- 电源检查：团队检查 28 盏 LED 植物生长灯的电源
传感器、ESP32 和继电器将如何运行农场？
它们形成一个感知-决策-行动循环。传感器测量条件，ESP32 板读取它们并通过 Wi-Fi 发送数据，Android 应用程序和 AI 模型计算出植物需要什么，然后由 ESP32 控制的继电器打开或关闭泵和灯。
在简报中，AeroGreen Asia 描述了一个已经以这种方式运作的智能种植园：所有监控都使用连接到 ESP32 和继电器控制器的传感器，并在此基础上添加了 Android 应用程序和 AI 功能。团队想要添加的是一个能识别植物的摄像头。我们在 UTM 清洁的货架是接下来将安装传感器、物联网和人工智能的传统系统。
感知-决策-行动循环
- 传感器测量植物和水
- 每个传感器的读数ESP32 板读取传感器
- 通过 Wi-Fi 传输数据Android 应用程序和 Gemma 模型计算出植物需要什么
- 来自 ESP32 的信号一个继电器控制器负责开关水泵和灯光
- 循环重复植物做出反应，传感器再次测量
我从简报中记录的笔记没有说明项目使用了哪些传感器。水培农场通常测量水温、水位、酸度（pH值）和营养液的浓度（电导率，或EC）。下表列出了简报中描述的部件。
| 部件 | 功能 | 简报时的状态 |
|---|---|---|
| 传感器 | 测量植物和水的状况 | 使用中 |
| ESP32开发板 | 读取传感器数据并通过Wi-Fi发送 | 使用中 |
| 继电器控制器 | 根据ESP32的信号开关设备 | 使用中 |
| Android应用 | 向用户显示数据；使用Kotlin在Android Studio中构建 | 使用中 |
| AI模型：Google Gemma | 利用现有可靠数据实现工作自动化并协助收割 | 使用中，在一台旧电脑上：Core i7，16 GB内存，无GPU |
| 摄像头 | 拍照以便系统识别植物 | 计划中 |
该应用是用Kotlin编写的；Android开发者网站称，超过60%的专业Android开发者使用该语言。
旧电脑可以在没有 GPU 的情况下运行 AI 模型吗？
是的，如果模型较小且任务不急。简报中描述的设置是在一台旧电脑上运行Google Gemma，这台电脑配备Core i7处理器、16 GB内存，没有图形处理器（GPU）。处理器承担所有工作，因此响应速度比有GPU的机器慢，而且16 GB的内存限制了模型的大小。对于农场来说，植物的变化以小时和天计，我认为这已经足够了。
旧电脑的取舍
诚实的权衡
- 速度：没有GPU，处理器承担所有工作，因此响应速度较慢
- 模型大小：整个模型必须适应16 GB内存，包括操作系统
- 成长空间：未来更大的模型或更繁重的图像处理可能需要更强大的机器
项目所得
为什么在这里重用是可行的
- 成本：无需购买新硬件，也无需为托管AI服务支付按令牌计费的费用
- 重用：一台生产力下降的机器重新投入使用
- 灵活性：一个现在可行且可在需要时升级的替代方案
- 减少浪费：少一台电脑堆在储藏室或被丢弃
对我来说，重用才是重点。在闲置的电脑上运行AI既灵活，又降低了项目成本，还能让一台生产力下降的机器重新工作。这比把旧电脑留在储藏室或扔进垃圾桶是更好的回收实践。
这些数字背后蕴含着巨大的意义。联合国《2024年全球电子垃圾监测报告》统计，2022年电子垃圾量创下6200万吨的纪录，其中只有不到四分之一（22.3%）被记录为得到妥善收集和回收。
- 62 Mt2022年产生的电子垃圾创纪录，比2010年增长82%
- 22.3%记录为妥善收集和回收不到总量的四分之一
- 82 Mt预计2030年回收率降至20%
28 盏植物生长灯消耗多少电量？
UTM的每个LED植物生长灯大约使用80 W（0.08 kW）。所有28个灯都开着时，它们消耗28 × 0.08 = 2.24 kW。能量是功率乘以时间，所以如果灯每天运行12小时，例如，它们每天使用2.24 × 12 = 26.88 kWh，或者在一个30天的月份里大约使用806 kWh。我的第一份笔记将负载四舍五入为2；确切的数字是2.24。
- 80 W一个植物生长灯大约0.08 kW，根据团队的检查
- 2.24 kW所有28个灯都开着28 × 0.08 kW
- 26.88 kWh一个12小时的工作日2.24 kW × 12小时
- 806 kWh一个30天的月份26.88 kWh × 30，每天12小时
这两个数字回答了不同的问题。功率（2.24 kW）告诉你电源是否能承受负载；团队认为这个负载是可以接受的。能量（kWh）告诉你运行这些灯的成本：将其乘以你的电费费率即可。
为什么智能农场对马来西亚很重要？
马来西亚生产的蔬菜不到其消费量的一半。根据CodeBlue报道的农业部数据，2023年马来西亚蔬菜自给率约为45.4%，尽管热带蔬菜自给率达到83.1%。室内、精确的农业种植，如水培，可以在更小的空间内种植食物，靠近食用者。
AeroGreen Asia自己的帖子也以同样的方式描述了UTM的工作：迈向更智能、更可持续粮食生产的一步。
接下来是什么
接下来是UTM校园实验室的配置，然后是清洁系统上的传感器、物联网和人工智能，之后是识别植物的摄像头。
- 2026年10月15日
简报与选择
在Sutera Utama的Tea Garden提出了两个方案。我选择了物联网智能种植方案。
- 2026年10月25日
UTM现场日
拆卸、清洁并重新组装架子；清洗水箱；检查28个植物生长灯的功率。
- 下一步
UTM校园实验室的配置
开发开始前的设置工作。
- 然后
清洁系统上的传感器、物联网和人工智能
用AeroGreen Asia的话说，将传统水培系统转变为智能作物管理平台。
- 之后
识别植物的摄像头
简报中描述的增强功能：在传感器数据之上实现植物识别。
我第一天学到了什么
- 智能农场始于一个干净、正常运行的基础系统；传感器和人工智能随后加入。
- 简单的数字应该精确计算：28 × 0.08 kW 是 2.24 kW，而不是 2。
- AI模型不总是需要昂贵的GPU。重复利用旧电脑可以节省资金，并使一台仍在工作的机器免于进入废弃物处理流程。
常见问题
什么是智能水培系统？
一个无土栽培系统，增加了传感器、控制器和软件。传感器测量水和植物，ESP32等开发板读取数据并发送出去，应用程序或AI模型决定如何操作，继电器则开关水泵和灯光。系统会自行调整，无需等待人工检查。
ESP32在水培农场中有什么作用？
它读取传感器数据并通过Wi-Fi发送，并且可以控制继电器来开关水泵或灯光。它是一个小巧、廉价的微控制器，内置Wi-Fi和蓝牙，因此在物联网项目中很常见。
没有GPU，旧电脑能运行AI模型吗？
是的，如果模型较小。在简报中描述的设置中，Google Gemma运行在一台旧的Core i7电脑上，配备16 GB内存，没有GPU。处理器承担所有工作，因此响应速度较慢，内存也限制了模型大小。对于农场来说，植物的变化以小时计，这已经足够了，而且旧电脑也得到了重复利用，而不是被丢弃。
LED植物生长灯消耗多少电量？
将一个灯的功率乘以灯的数量，再乘以运行小时数。在UTM，28个每个约80 W的灯总共消耗2.24 kW，这意味着在12小时的工作日中消耗26.88 kWh，或者在一个30天的月份中大约消耗806 kWh。
在添加传感器之前，为什么要清洁水培系统？
旧水、污垢和藻类会阻塞水流并损害新植物，还会给新传感器一个错误的起始点。一个干净、正常运行的基础系统能为传感器和AI提供真实的基线。
AeroGreen Asia 是谁？
AeroGreen Asia (艾科绿) 是一家农业科技公司，致力于农业物联网和人工智能。其老板是Teo Choon Yee。该公司与一个实习生团队在马来西亚工艺大学（Universiti Teknologi Malaysia）开展智能水培项目，并且根据南方大学学院的一位讲师的说法，与该大学签订了谅解备忘录。
Sources
- 精准农业从亲自动手开始！ —— AeroGreen Asia在Facebook上，2026年10月25日
- 福建三安生物科技有限公司（SANANBIO货架制造商） —— GreenTech
- ESP32 Wi-Fi & 蓝牙 SoC — 乐鑫科技
- Gemma 模型概览 — Google AI for Developers
- Kotlin 和 Android — Android Developers
- 2024 年全球电子垃圾监测：电子垃圾增长速度比有记录的回收速度快五倍 — 训研所 (UNITAR)，2024 年 3 月 20 日
- 马来西亚蔬菜自给率达 45%，热带蔬菜自给率达 83% — CodeBlue，2025 年 8 月