基于嵌入式Linux与传感器技术的空气质量监测系统实战开发

1. 项目缘起：从一块“过时”的开发板说起

几年前，英特尔推出了一款名为 Edison 的微型计算模块，它集成了双核 Atom 处理器、1GB 内存、Wi-Fi 和蓝牙，尺寸却只有一张邮票大小。当时，它被寄予厚望，是物联网（IoT）和创客领域的明星产品。然而，随着技术迭代，Edison 逐渐淡出了主流视野，官方支持也慢慢减少。很多人可能觉得，现在再去折腾它，是不是有点“考古”的味道？我手头恰好有这么一块“吃灰”已久的 Edison 开发板，与其让它继续沉睡，不如用它来做点有意思又有实际意义的事情。于是，一个想法诞生了：用它来搭建一个空气质量监测站。

这个想法并非空穴来风。首先，空气质量是关乎每个人健康的重要环境指标，PM2.5、VOCs（挥发性有机物）、温湿度等数据的实时监测，对于家庭、办公室甚至小型工作坊都很有价值。其次，Edison 虽然“老”，但其 x86 架构、完整的 Linux 系统（Yocto Linux）和相对丰富的接口（如 I2C、UART、GPIO），让它依然具备强大的项目承载能力。最后，这个过程本身就是一个绝佳的嵌入式 Linux 开发实战案例，涉及系统定制、传感器驱动、数据采集、网络通信和轻量级服务部署，每一步都充满了挑战和学习的乐趣。所以，这不仅仅是一个监测项目，更是一次对经典硬件潜力的深度挖掘和一次完整的嵌入式开发旅程。

2. 硬件选型与核心传感器解析

搭建空气质量监测站，传感器的选择是核心。我们需要监测的典型参数包括：颗粒物浓度（PM2.5/PM10）、有害气体（如甲醛、TVOC）、温度、湿度以及大气压力。针对 Edison 的接口特性和项目复杂度，我选择了以下组合方案。

2.1 颗粒物传感器：攀藤 PMS5003

PM2.5 监测是空气质量的核心。我选择了攀藤（Plantower）的 PMS5003 激光粉尘传感器。这是一款在创客和开源项目中经久不衰的型号，其稳定性和性价比得到了广泛验证。

• 工作原理：它采用激光散射原理。传感器内部有一个激光二极管发射激光束，当空气中的颗粒物通过检测区域时，会散射激光。散射光被光电探测器接收并转换为电信号，经过算法处理，即可计算出不同粒径（如 PM1.0， PM2.5， PM10）的颗粒物数量浓度，并最终转换为质量浓度（μg/m³）。
• 接口与通信：PMS5003 使用 UART（串口）通信，这对于 Edison 来说非常友好。Edison 板载了多个 UART 接口，我们只需要连接 RX、TX、GND 和 VCC（5V）四根线即可。其数据协议是公开的，每一条数据帧包含起始字符、帧长度、各浓度数据及校验和，解析起来相对简单。
• 选型理由：相比一些更初级的基于红外原理的传感器（如 GP2Y1010AU0F），激光传感器的精度和可靠性要高得多。而相比一些工业级或更昂贵的型号，PMS5003 在满足民用级精度要求的同时，保持了较低的成本和功耗，非常适合本项目。

2.2 气体与温湿度传感器：博世 BME680

为了监测挥发性有机化合物（VOC）、室内空气质量指数（IAQ）、温度、湿度和气压，我选择了博世 Sensortec 的 BME680。这是一款高度集成的环境传感器。

• 核心功能：
  • 温度与湿度：高精度测量，为空气质量数据提供环境补偿参考。
  • 气压：可用于粗略海拔估算或天气趋势分析。
  • 气体传感：这是其核心特色。它内置了一个金属氧化物（MOX）气体传感器，主要对 VOCs 敏感，如乙醇、甲醛、一氧化碳等。通过复杂的算法，芯片能输出一个“室内空气质量指数”（IAQ），范围通常为 0-500（数值越低越好），以及等效的二氧化碳当量（eCO2）和 VOC 当量。
• 接口与通信：BME680 使用 I2C 或 SPI 接口。我选择了 I2C，因为它接线更简单（只需 SDA、SCL、VCC、GND），且 Edison 的 I2C 驱动成熟。其寄存器配置和数据读取有标准的库支持。
• 选型理由：BME680 将四种传感器合而为一，极大简化了硬件设计和空间占用。其气体传感器虽不能区分具体气体种类，但提供的 IAQ 指数对于评估整体空气污染水平非常有价值。它的功耗也经过优化，适合长期运行。

2.3 主控与连接：英特尔 Edison 开发板

Edison 在本项目中扮演着“大脑”和“网关”的角色。

• 计算能力：双核 Atom 处理器足以流畅运行一个定制的 Linux 系统、驱动多个传感器、运行数据采集程序，甚至托管一个简单的 Web 服务器。
• 操作系统：官方提供的 Yocto Linux 镜像是一个高度可定化的嵌入式 Linux 发行版。我们可以根据需要裁剪系统，移除不必要的服务，让系统更轻量、启动更快。
• 连接性：板载 Wi-Fi 和蓝牙是项目的关键。Wi-Fi 用于将采集到的数据上传到云端或本地服务器，也可以直接提供 Web 访问界面。蓝牙则可以用于近距离配置或调试。
• 扩展接口：通过底部的 70 针扩展接口，我们可以方便地连接 UART（用于 PMS5003）和 I2C（用于 BME680）等外设。

硬件连接清单：

注意：Edison 的引脚功能需要通过sysfs或设备树（Device Tree）进行配置，才能将某个 GPIO 复用为 UART 功能。这是使用 Edison 进行嵌入式开发的第一道坎。

3. 软件环境搭建与系统定制

拿到硬件只是第一步，让 Edison 的 Linux 系统“认识”并驱动我们的传感器，需要一番配置。官方提供的默认镜像功能齐全但略显臃肿，我们可以进行精简。

3.1 刷写与定制 Yocto Linux 镜像

1. 获取基础镜像：从英特尔开源技术中心（OSTC）的仓库下载针对 Edison 的最新 Yocto 镜像。使用flashall.sh脚本通过 USB OTG 口将系统刷写到 Edison 上。
2. 首次启动与配置：刷写完成后，通过串口（使用 FTDI USB 转串口模块连接 Edison 的 J3 接口）登录系统。默认用户名为root，无密码。首先配置 Wi-Fi：使用configure_edison --setup命令交互式地设置网络、主机名和密码。
3. 系统精简：登录后，移除一些不需要的包以节省空间和内存。例如，如果不需要蓝牙功能，可以移除相关的服务和库。

   opkg remove bluez5-dev bluez5-noinst-tools pulseaudio-module-bluetooth

   同样，可以移除一些不用的开发工具或文档。

3.2 配置传感器硬件接口

这是最关键的一步，需要在内核层面正确配置引脚功能。

• 配置 UART 给 PMS5003：Edison 的 GPIO 130 和 131 默认可能不是 UART 功能。我们需要手动配置。

  1. 登录 Edison，查看当前引脚复用情况：cat /sys/kernel/debug/gpio。
  2. 将 GPIO 130 和 131 配置为 UART 模式。这可以通过写sysfs接口实现。创建一个脚本setup_uart.sh：

     #!/bin/bash # 将 GPIO130 和 GPIO131 从 GPIO 模式释放，并设置为 UART 模式 echo 130 > /sys/class/gpio/unexport 2>/dev/null echo 131 > /sys/class/gpio/unexport 2>/dev/null # 具体设置命令可能因内核版本而异，有时需要操作 /sys/devices/platform/... 下的文件 # 更可靠的方法是使用设备树覆盖（Device Tree Overlay），但这需要重新编译内核或模块。 # 一个常见的方法是使用 MRAA 库（英特尔IoT库）来配置。

  实际上，对于 Edison，更推荐使用MRAA库或UPM库（它们封装了底层的引脚操作）来简化这个过程。我们可以先安装 MRAA：

  opkg update opkg install mraa

  然后编写一个 Python 脚本，利用 MRAA 初始化 UART。

  import mraa import serial # 使用 mraa 确认引脚，但实际通信使用 pyserial # 首先确保系统已识别出 tty 设备，如 /dev/ttyMFD1 uart = serial.Serial('/dev/ttyMFD1', baudrate=9600, timeout=2)

  • 踩坑点：Edison 的 UART 设备名可能是/dev/ttyMFD1，/dev/ttyMFD2等，具体哪个对应我们连接的物理引脚，需要查阅 Edison 的引脚映射表或通过试验确定。dmesg | grep tty命令在连接传感器后查看内核信息有助于识别。

• 配置 I2C 给 BME680：I2C 的配置通常比 UART 简单。

  1. 加载 I2C 驱动模块（通常已内置）：modprobe i2c-dev。
  2. 安装 I2C 工具：opkg install i2c-tools。
  3. 扫描 I2C 总线，查看 BME680 是否被识别：i2cdetect -y -r 6（假设使用 I2C-6 总线）。如果看到地址0x76或0x77（BME680 的默认地址），说明连接成功。
  4. 安装 Python 的 smbus 库以便操作：opkg install python-smbus。

3.3 安装必要的软件包

我们需要 Python 环境以及相关的传感器库。

opkg update opkg install python3 python3-pip python3-setuptools pip3 install pyserial # 用于UART通信 pip3 install bme680 # 官方的BME680 Python库，或者使用Adafruit的库 # 对于PMS5003，可以安装现成的库，如 pms5003 pip3 install pms5003

如果现成的 PMS5003 库不兼容，我们就需要根据其数据手册，手动编写串口读取和解析的代码，这其实是一个很好的学习过程。

4. 数据采集程序的核心实现

有了硬件和基础环境，接下来就是编写核心的数据采集程序。这个程序需要完成以下任务：初始化传感器、定时读取数据、处理数据（如单位转换、简单滤波）、将数据打包并发送出去。我将采用 Python 来实现，因为它开发效率高，库丰富。

4.1 传感器驱动与数据读取

• PMS5003 数据读取： PMS5003 会主动以大约每秒一次的频率通过串口发送数据帧。我们的程序需要监听串口，读取完整的数据帧并进行校验。

  import serial import struct import time class PMS5003Reader: def __init__(self, port='/dev/ttyMFD1', baudrate=9600): self.ser = serial.Serial(port, baudrate=baudrate, timeout=2) # 数据帧起始字节 self.START_BYTES = b'\x42\x4d' def _read_frame(self): """读取并解析一帧数据""" # 寻找起始字节 while True: start1 = self.ser.read(1) if start1 == self.START_BYTES[0:1]: start2 = self.ser.read(1) if start2 == self.START_BYTES[1:2]: break # 读取帧长度（高字节+低字节） frame_len_bytes = self.ser.read(2) frame_len = struct.unpack('>H', frame_len_bytes)[0] # 大端序 # 读取数据部分和校验和 raw_data = self.ser.read(frame_len) # 包含数据+校验和 # 校验（此处省略校验和计算代码） # 解析数据 # 数据格式：PM1.0标准(2字节), PM2.5标准(2字节), PM10标准(2字节), ... data = struct.unpack('>'+'H'*(frame_len-2), raw_data[:-2]) pm1_0_std, pm2_5_std, pm10_std = data[0], data[1], data[2] # ... 解析其他数据 return {'pm1_0': pm1_0_std, 'pm2_5': pm2_5_std, 'pm10': pm10_std} def read_data(self): """获取一次有效的传感器数据""" return self._read_frame()

  • 经验之谈：串口读取时，一定要处理好帧同步和校验。如果校验失败，应该丢弃这一帧数据，重新同步。此外，PMS5003 在刚上电或风扇启动时，前几十秒的数据可能不稳定，程序最好能忽略这段时间的数据，或做一个简单的启动延迟。

• BME680 数据读取： 使用bme680库会简单很多。

  import bme680 import time class BME680Reader: def __init__(self, i2c_addr=0x77, i2c_bus=6): self.sensor = bme680.BME680(i2c_addr, i2c_bus) # 配置传感器参数 self.sensor.set_humidity_oversample(bme680.OS_2X) self.sensor.set_pressure_oversample(bme680.OS_4X) self.sensor.set_temperature_oversample(bme680.OS_8X) self.sensor.set_filter(bme680.FILTER_SIZE_3) self.sensor.set_gas_status(bme680.ENABLE_GAS_MEAS) self.sensor.set_gas_heater_temperature(320) # 摄氏度 self.sensor.set_gas_heater_duration(150) # 毫秒 self.sensor.select_gas_heater_profile(0) # 气体传感器需要预热和稳定 self._burn_in_time = 300 # 预热300秒 self._start_time = time.time() def read_data(self): """获取一次传感器数据，气体读数需要稳定周期""" if self.sensor.get_sensor_data(): data = { 'temperature': self.sensor.data.temperature, 'pressure': self.sensor.data.pressure, 'humidity': self.sensor.data.humidity, } # 处理气体读数 if self.sensor.data.heat_stable: data['gas_resistance'] = self.sensor.data.gas_resistance # 可以在这里根据温湿度补偿计算 IAQ、eCO2 等（库可能提供，或需自己实现） # 例如，使用一个简单的算法将 gas_resistance 和 humidity 转换为 IAQ 分数 iaq_score = self._calculate_iaq(data['gas_resistance'], data['humidity']) data['iaq'] = iaq_score else: data['gas_resistance'] = None data['iaq'] = None return data return None def _calculate_iaq(self, gas_resistance, humidity): """一个简化的 IAQ 计算示例（非博世官方算法）""" if gas_resistance is None: return None # 这是一个非常粗略的示例，真实算法复杂且依赖校准 # 假设 gas_resistance 越高，空气质量越好 base_score = (gas_resistance / 10000.0) # 归一化 # 湿度补偿（高湿可能影响MOX传感器） humidity_factor = 1.0 + (humidity - 40.0) * 0.01 # 示例系数 iaq = max(0, min(500, (500 - base_score * 50 * humidity_factor))) return int(iaq)

  注意：BME680 的气体传感器（MOX）需要一段“预热”时间（burn-in period）才能输出稳定的读数，通常需要几分钟。在此期间，heat_stable标志为 False，气体电阻值会剧烈变化，不应采用。官方库和算法通常包含了复杂的补偿和计算，上述_calculate_iaq函数仅为示意，生产环境应使用更可靠的算法或直接依赖传感器芯片内部计算（如果支持）。

4.2 主循环与数据整合

主程序将两个传感器读取器结合起来，以固定的时间间隔（例如每 5 秒）采集一次数据，并整合成一个 JSON 对象。

import json import time from datetime import datetime def main_loop(): pm_reader = PMS5003Reader() bme_reader = BME680Reader() # 等待BME680预热 print("等待BME680气体传感器预热...") time.sleep(bme_reader._burn_in_time) while True: try: # 读取数据 pm_data = pm_reader.read_data() bme_data = bme_reader.read_data() # 整合数据 sensor_data = { 'timestamp': datetime.utcnow().isoformat() + 'Z', 'pm1_0': pm_data.get('pm1_0'), 'pm2_5': pm_data.get('pm2_5'), 'pm10': pm_data.get('pm10'), 'temperature': bme_data.get('temperature'), 'humidity': bme_data.get('humidity'), 'pressure': bme_data.get('pressure'), 'iaq': bme_data.get('iaq'), 'gas_resistance': bme_data.get('gas_resistance'), } # 打印到控制台（调试用） print(json.dumps(sensor_data, indent=2)) # 调用数据发送函数 send_data_to_backend(sensor_data) time.sleep(5) # 采集间隔 except KeyboardInterrupt: print("程序退出。") break except Exception as e: print(f"数据采集出错：{e}") time.sleep(10) # 出错后等待稍长时间再试

5. 数据上云与本地服务部署策略

采集到的数据需要被存储、展示和分析。这里有两种主流思路：一是将数据发送到云端物联网平台；二是在 Edison 本地部署轻量级服务，实现数据存储和可视化。

5.1 方案一：数据上云（以 MQTT + 云平台为例）

这是更通用和可扩展的方案。Edison 作为 MQTT 客户端，将数据发布到 MQTT 代理（Broker），云端服务器订阅这些主题并处理数据。

1. 安装 MQTT 客户端库：pip3 install paho-mqtt
2. 编写 MQTT 发布函数：

   import paho.mqtt.client as mqtt import json MQTT_BROKER = "your.broker.address" # 例如：mqtt.eclipseprojects.io（公共测试） MQTT_PORT = 1883 MQTT_TOPIC = "edison/air_quality/data" CLIENT_ID = f"edison-airmon-{os.uname()[1]}" client = mqtt.Client(client_id=CLIENT_ID) def on_connect(client, userdata, flags, rc): if rc == 0: print("连接到 MQTT Broker 成功！") else: print(f"连接失败，返回码 {rc}") client.on_connect = on_connect client.connect(MQTT_BROKER, MQTT_PORT, 60) client.loop_start() # 启动网络循环线程 def send_data_to_backend(data): payload = json.dumps(data) result = client.publish(MQTT_TOPIC, payload, qos=1) if result.rc == mqtt.MQTT_ERR_SUCCESS: print("数据发布成功") else: print(f"数据发布失败: {result}")

3. 云端处理：你可以使用像Node-RED（部署在树莓派或云服务器上）、ThingsBoard、阿里云物联网平台或AWS IoT Core等平台来接收 MQTT 数据，进行存储、可视化（创建仪表盘）和设置报警规则。

5.2 方案二：本地部署轻量级服务

如果希望数据完全在本地网络处理，可以在 Edison 上运行一个轻量级的 Web 服务器和数据库。

1. 本地数据库：使用SQLite是最简单的选择。opkg install sqlite3，然后在 Python 中使用sqlite3库创建表并插入数据。
2. Web 服务器与 API：使用Flask或Bottle这样的微型 Python Web 框架，创建一个简单的 REST API 来接收和提供数据。

   from flask import Flask, jsonify, request, render_template import sqlite3 import json app = Flask(__name__) DATABASE = '/home/root/air_quality.db' def init_db(): conn = sqlite3.connect(DATABASE) c = conn.cursor() c.execute('''CREATE TABLE IF NOT EXISTS sensor_data (id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp TEXT, pm2_5 REAL, temperature REAL, humidity REAL, iaq INTEGER)''') conn.commit() conn.close() @app.route('/api/data', methods=['POST']) def receive_data(): data = request.json # 将数据存入 SQLite conn = sqlite3.connect(DATABASE) c = conn.cursor() c.execute("INSERT INTO sensor_data (timestamp, pm2_5, temperature, humidity, iaq) VALUES (?, ?, ?, ?, ?)", (data['timestamp'], data['pm2_5'], data['temperature'], data['humidity'], data.get('iaq'))) conn.commit() conn.close() return jsonify({'status': 'success'}), 201 @app.route('/api/latest') def get_latest(): conn = sqlite3.connect(DATABASE) c = conn.cursor() c.execute("SELECT * FROM sensor_data ORDER BY timestamp DESC LIMIT 1") row = c.fetchone() conn.close() if row: # 转换为字典返回 pass return jsonify(row) @app.route('/') def index(): return render_template('index.html') # 一个简单的图表页面 if __name__ == '__main__': init_db() app.run(host='0.0.0.0', port=5000, debug=False)

3. 前端可视化：在index.html中，可以使用Chart.js或ECharts等 JavaScript 图表库，通过 AJAX 定期从/api/latest或/api/history获取数据，动态更新图表。

5.3 方案对比与选择

对于本项目，我推荐混合方案：在 Edison 本地运行数据采集和 MQTT 发布客户端，在家庭局域网内的另一台性能稍强的设备（如树莓派、旧笔记本或 NAS）上部署 MQTT Broker（如 Mosquitto）、Node-RED 和 InfluxDB/Grafana。这样既利用了 Edison 的传感能力，又将数据存储和展示的重任交给了更适合的设备，平衡了性能、隐私和复杂度。

6. 系统优化与长期运行考量

要让这个监测站稳定地 7x24 小时运行，还需要解决一些实际问题。

6.1 电源管理与看门狗

Edison 和传感器需要稳定的电源。一个可靠的 5V/2A 电源适配器是基础。对于长期运行，有两个关键点：

• 软件看门狗：编写一个简单的看门狗脚本，定期检查主采集程序是否在运行。如果程序崩溃，看门狗负责重启它。可以用systemd服务来实现这一点，这是更规范的方法。
• 硬件看门狗：Edison 模块本身支持硬件看门狗定时器。我们需要在内核中启用它，并编写一个用户空间程序定期“喂狗”。如果系统完全挂起，硬件看门狗会在超时后强制重启整个系统。这需要修改内核配置并编写相应的守护进程。

6.2 数据存储与日志

即使数据发送到云端，本地也应保留一份最近的日志，用于故障排查。

• 循环日志：使用 Python 的logging模块，将程序运行日志和采集到的原始数据（可选）写入文件。配置RotatingFileHandler，防止日志文件无限增大占满存储空间。
• 简易本地缓存：在发送数据到云端前，可以先写入一个本地 SQLite 数据库或简单的 CSV 文件。如果网络暂时中断，数据不会丢失，待网络恢复后可以进行断点续传（需要更复杂的逻辑）。

6.3 传感器校准与维护

传感器，尤其是气体传感器，需要定期维护才能保证数据准确性。

• PMS5003：激光传感器窗口可能会积灰，影响精度。需要定期用棉签和气吹清洁进气口和激光腔（如果设计允许）。它的风扇也有寿命，长时间运行后噪音可能变大。
• BME680：MOX 气体传感器会随时间老化，其灵敏度会变化。博世建议每 12 个月进行一次“基线校准”。具体做法是将传感器置于已知的良好空气环境（如室外空气）中连续运行 48 小时，让其重新建立“干净空气”的基准电阻值。一些高级的驱动库（如bme680库的某些分支）支持保存和加载基线值的功能。
• 数据漂移处理：在软件层面，可以对采集到的数据进行滑动平均滤波，以平滑短时的噪声波动。对于长期监测，可以设定一个“参考值”修正机制，例如，在已知空气质量良好的时段（如深夜通风后），手动记录一组数据作为临时基准进行偏移补偿。

6.4 将程序封装为系统服务

为了让采集程序在 Edison 启动时自动运行，并在崩溃后自动重启，最好将其配置为systemd服务。

1. 创建一个服务文件/etc/systemd/system/airquality.service：

   [Unit] Description=Air Quality Monitoring Service After=network.target [Service] Type=simple User=root WorkingDirectory=/home/root/air_quality ExecStart=/usr/bin/python3 /home/root/air_quality/main.py Restart=on-failure RestartSec=10s StandardOutput=journal StandardError=journal [Install] WantedBy=multi-user.target

2. 启用并启动服务：

   systemctl daemon-reload systemctl enable airquality.service systemctl start airquality.service

3. 查看服务状态和日志：systemctl status airquality.service，journalctl -u airquality.service -f。

通过以上步骤，一个基于英特尔 Edison 的、功能相对完善的空气质量监测站就搭建完成了。它不仅输出了有价值的环境数据，更让我们重温了嵌入式 Linux 开发的完整流程：从硬件接口调试、驱动层配置，到应用层逻辑编写，再到系统服务部署和运维考量。虽然 Edison 已不是最新硬件，但通过这样的项目，其价值得以延续，而我们获得的实战经验，对于理解当代物联网设备的开发逻辑，依然具有很高的参考价值。