近年来,随着经济的不断发展、恩格尔系数的不断提升,人们对生活品质的要求也逐步提升,数据显示,我国居民对肉制品的需求正在快速增长,加之国家近年来大力倡导发展绿色、健康、可持续发展的养殖业,国内正在呈现出一种将现代科学技术融入到禽畜养殖中的趋势。目前,我国的养殖业主要以中小规模养殖为主,现代化水平不高。养殖过程中养殖户主要依照自身的工作经验来调控养殖环境,对养殖环境的监测和调控还需要人工前往现场进行手动操作。在养殖场中,温度、湿度、氨气、二氧化碳等都是关系禽畜健康的重要环境因素,如果对这些环境因素监控不及时,就会直接导致生产效益降低。因此,将现代科学技术运用到传统养殖业中,对养殖场的主要环境信息实施有效监测并做到提前调控,直接关系着养殖场的生产效益水平,具有重要的研究价值和广阔的应用前景。针对上述问题,本文设计了一款基于ARM的养猪场环境监测系统,本系统能够采集养猪场中的温度、湿度、二氧化碳浓度和氨气浓度,根据采集到的环境数据能够调控养猪场内环境,同时也能够利用长短期记忆神经网络（LSTM）对下一时间步的养猪场环境变化进行预测,以达到提前调控的目的。系统的开发分为硬件设计、软件设计和环境预测三部分。在硬件部分,采集节点利用STM32驱动传感器的方式实现养猪场环境数据采集,利用LoRa模块收发数据,采用STM32与LoRa模块、WiFi模块相结合的方式来设计智能网关模块,智能网关则利用LoRa模块与采集终端进行通信,通过WiFi模块连接互联网来接收和发送信息;在软件部分,利用RT-Thread实时操作系统的多任务调度机制保证数据采集、数据传输、报警等功能有序且稳定地运行,利用OneNet物联网云平台实现养猪场环境数据的存储和调用、实时监测场内环境信息和远程控制猪场内硬件设备等功能;在环境预测部分,利用长短期记忆神经网络进行养猪场环境预测模型训练,通过预测模型来对下一时间步的养猪场环境数据进行预测,提前掌握场内的环境变化并及时做出相应的调控措施。系统搭建完成后,对系统的各个功能模块进行了测试与验证,通过测试,系统的软、硬件都能够正常工作,基于LSTM算法的养猪场环境预测模型的预测误差处于设计预期范围内,系统整体运行情况能够达到预期效果。最终,本系统能够较准确地采集养猪场内的各项环境数据,根据采集到的数据实现场内环境的提前调控,利用LSTM算法预测下一时间步的环境数据,让养殖户充分体验到现代化养殖的智能与便捷,具有一定的应用价值。