物联网AI MicroPython实战：MQ136硫化氢传感器数据采集与智能预警
1. 从零开始认识MQ136硫化氢传感器
第一次接触工业级气体传感器时，我被各种型号和参数搞得晕头转向。直到在化工厂安全改造项目中遇到MQ136，这个火柴盒大小的器件竟能守护整个车间的安全。MQ136是专门检测硫化氢（H₂S）的半导体传感器，它的核心是二氧化锡（SnO₂）敏感材料——这种材料在清洁空气中电阻很大，但遇到硫化氢分子时，电阻值会随着气体浓度升高而显著下降。
实际使用中发现几个关键特性：传感器需要5V供电，通电后内置电热丝会开始工作（这时外壳微热完全正常），必须预热20秒以上才能获得稳定读数。输出信号是模拟电压，浓度越高AO引脚输出的电压值越大。有次我偷懒没等预热就读数，结果连续五分钟的数据波动像心电图一样，这个教训让我养成了每次上电先喝杯咖啡的好习惯。
2. 硬件连接与MicroPython环境搭建
2.1 硬件接线图解
用ESP32开发板连接MQ136时，我习惯用彩色杜邦线区分功能：红色接VCC（5V）、黑色接GND、黄色接AO引脚。特别注意AO线要连接到支持ADC的GPIO口，比如ESP32的GPIO32。有次客户抱怨数据不准，排查发现他把AO线接到了普通数字IO口，这种低级错误连示波器都救不了。
2.2 MicroPython固件刷写
推荐使用最新的MicroPython 1.20版本，刷机时要注意两点：首先按住BOOT键再上电进入下载模式；其次用esptool.py擦除时加上--chip esp32参数。曾经有块板子死活刷不进去，最后发现是USB线质量太差导致供电不稳，换成带磁环的线材立即解决。
# 刷机命令示例（Linux/Mac） esptool.py --chip esp32 --port /dev/ttyUSB0 erase_flash esptool.py --chip esp32 --port /dev/ttyUSB0 write_flash -z 0x1000 esp32-20230426-v1.20.0.bin3. 传感器驱动开发实战
3.1 电压采集基础代码
写驱动时我掉过不少坑，现在总结出稳定读取的三要素：足够的采样次数、合理的延时间隔、正确的ADC衰减配置。下面这段代码经过半年现场检验，在工业环境下依然可靠：
from machine import ADC, Pin import time class MQ136: def __init__(self, pin_num): self.adc = ADC(Pin(pin_num)) self.adc.atten(ADC.ATTN_11DB) # 设置量程为3.3V self.adc.width(ADC.WIDTH_12BIT) # 12位精度 time.sleep(20) # 必须的预热等待 def read_voltage(self): total = 0 for _ in range(30): # 30次采样取平均 total += self.adc.read() time.sleep_ms(10) return total * 3300 / 4095 / 30 # 转换为毫伏3.2 浓度换算与校准技巧
MQ136输出电压需要换算为ppm浓度，我常用的经验公式是：ppm = (voltage - 400) * 0.2（400是零点电压，0.2是灵敏度系数）。但更准确的做法是用标准气体校准：先通入氮气记录基准值V0，再通入50ppm标准气记录V50，最后用ppm = (Vx-V0)*50/(V50-V0)计算。
4. 智能预警系统实现
4.1 多级阈值报警设计
化工厂不同区域的安全标准不同，我设计了三级预警机制：超过10ppm触发黄色预警（LED慢闪），超过20ppm红色警报（蜂鸣器+LED快闪），超过50ppm直接切断电源并推送短信。关键代码如下：
def safety_check(ppm): if ppm > 50: relay.off() # 切断电源 send_sms("紧急！H2S浓度超标！") elif ppm > 20: buzzer.beep(200,100) led.blink(100) elif ppm > 10: led.blink(500)4.2 数据平滑与异常过滤
工业现场电磁干扰严重，我采用滑动窗口滤波结合标准差检测：连续10次读数计算移动平均，当某次数据偏离均值超过3倍标准差时自动丢弃。实测这个方法能消除99%的突发干扰：
readings = [] def safe_read(): while len(readings) >= 10: readings.pop(0) readings.append(sensor.read_voltage()) avg = sum(readings)/len(readings) std = (sum((x-avg)**2 for x in readings)/len(readings))**0.5 return avg if abs(readings[-1]-avg) < 3*std else None5. 实战中的避坑指南
在食品厂项目中发现，高湿度环境会导致读数漂移。后来在传感器外加了防水透气膜，并在代码中加入湿度补偿：ppm_corrected = ppm * (1 + 0.02*(humidity-60))。另一个常见问题是传感器老化，建议每三个月用标准气体校验一次，当基准电压变化超过15%就该更换传感器。
有次凌晨两点客户打电话说系统误报警，现场检查发现是清洁工用含硫清洁剂擦设备。这类情况教会我，好的预警系统不仅要考虑传感器本身，还要有异常事件记录和人工确认机制。现在我的代码里都会保留最近100条历史数据，方便事后分析。