水产养殖行业近年来得到了快速发展,养殖规模在逐年扩大,但目前水产养殖行业的智能化、信息化程度较低,养殖人员的素质也参差不齐,这些问题可能会导致养殖水体环境的平衡状态被破坏,水产品的产量与品质就无法得到保障。党的十八大把“绿水青山就是金山银山”写入党章,水产养殖模式也应与时俱进,发展智能养殖、生态养殖,确保养殖环境安全,提高水产品质量和产量。基于此,本文以水产养殖水体环境的温度、PH、溶解氧和氨氮这四项指标为监测对象,设计了一套基于物联网的水产养殖环境远程监控系统。系统硬件包括采集节点、网关节点和监控节点三个部分。采集节点使用STM32单片机作为主控制器,使用水质传感器采集养殖水体的温度、PH、溶解氧、氨氮数据,使用Lo Ra无线通信模块实现了采集节点与网关节点间的无线通信,使用变频器控制增氧机转速调节养殖水体溶解氧浓度,采集节点采用12V锂电池供电,并设计了电压转换电路满足3.3V与5V电压需求;网关节点使用STM32单片机作为主控制器,使用WIFI无线通信模块实现了网关节点与监控节点间的无线通信;监控节点利用PC端浏览器与安卓客户端实现了水质数据的远程查看与控制。系统软件部分完成了信息采集节点程序、无线通信节点程序、Web服务端程序和安卓客户端程序的设计与实现。其中信息采集节点程序和无线通信节点程序基于C语言开发完成;Web服务端程序基于Spring+Spring MVC+My Batis框架使用Java语言开发完成,系统架构采用了B/S（Browser/Server）架构,数据库使用了My SQL数据库;安卓客户端程序使用Android Studio软件基于Java语言开发完成。系统算法部分主要对溶解氧预测算法和溶解氧控制算法进行了研究。溶解氧预测算法部分提出将GA（Genetic Algorithm）算法与BP（Back Propagation）算法相结合,以解决BP算法容易陷入局部极值的问题,并使用GA-BP算法搭建了溶解氧参数的预测模型,同时通过MATLAB验证了GA-BP溶解氧预测模型的准确性,其RMSE（Root Mean Square Error）指标仅为0.01622。溶解氧控制算法部分提出将BP算法与PID控制算法相结合,设计了基于BP神经网络的PID控制器,以达到自动调节溶解氧浓度的目的,经MATLAB仿真验证,BP-PID算法相对于传统PID算法响应时间减少了1.4s,超调量减少了12%,调节时间减少了4.5s。最后,对系统硬件与软件功能进行了测试。测试结果表明,系统能够正常采集与传输水质数据,Web服务端与安卓客户端的各个功能模块也均可正常使用。同时,对系统的溶解氧预测与控制功能进行了实验测试,实验结果表明基于GA-BP算法的溶解氧预测模型与标准值间的误差小于3%,基于BP神经网络的PID控制器能够自动准确控制增氧机转速调节养殖水体的溶解氧浓度,符合水产养殖的实际需求。