当前位置：首页 > news >正文

基于Arduino Yun与Google Sheets的物联网气象站构建实战

news 2026/5/16 2:36:26

1. 项目概述：从零构建一个云端气象站

几年前，当我第一次尝试把家里的温湿度数据记录到电脑上时，用的还是串口线连着Arduino，每隔几小时手动打开串口监视器抄录数据。麻烦不说，数据还散落在各个文本文件里，想做个趋势分析都无从下手。后来接触到物联网的概念，才意识到问题的核心在于“连接”与“自动化”。今天要分享的这个项目，就是我当时探索路径上的一个里程碑：一个能自动将环境数据上传到云端表格的智能气象站。

这个项目的核心价值在于，它完整地演示了如何将一个传统的电子制作项目，升级为一个真正的物联网节点。你不再需要守在设备旁边，数据会自己“跑”到网上，你可以在任何有网络的地方，用浏览器打开一个熟悉的Google表格，实时查看家里的温度、湿度、气压和光照变化，甚至还能设置简单的图表。这对于想入门物联网开发、学习传感器数据上云的朋友来说，是一个绝佳的练手项目。无论你是电子爱好者、创客，还是相关专业的学生，都能通过这个项目，清晰地理解从物理信号感知、微控制器处理、到云端数据落地的完整链条。

2. 硬件选型与连接方案解析

2.1 核心控制器：为什么是Arduino Yun？

在项目硬件清单里，最核心也最特别的部件就是Arduino Yun开发板。市面上Arduino板子那么多，为何偏偏选它？这得从物联网设备的两大核心任务说起：一是实时采集并处理传感器数据（嵌入式端的工作），二是与互联网服务进行稳定通信（网络端的工作）。传统的Arduino Uno搭配WiFi扩展板（如ESP8266）是一种方案，但你需要自己处理网络协议栈、重连逻辑等，代码复杂度不低。

Arduino Yun的巧妙之处在于其“双核”架构：一块是经典的ATmega32U4微控制器，负责运行你的Arduino Sketch，与传感器直接对话；另一块是运行OpenWrt Linux系统的Atheros AR9331处理器，自带WiFi模块。两块芯片通过一个名为“Bridge”的库进行通信。这意味着，你可以用熟悉的Arduino IDE编写传感器读取逻辑，而将复杂的HTTP请求、JSON解析等网络操作，交给背后更强大的Linux系统去处理。这种分工让开发变得异常简洁，尤其适合需要与各种Web API（比如我们后面用到的Google Sheets API）打交道的场景。虽然Yun已不是最新型号，但其设计理念对于理解物联网设备架构非常有帮助。

2.2 传感器阵列：环境数据的“五官”

一个气象站需要感知多种环境参数，我们选择了最常用、也最容易获取的三种传感器来搭建这个“五官”系统。

首先是DHT11温湿度传感器。它是一个数字传感器，通过单总线协议通信，只需要一个GPIO引脚就能同时读取温度和湿度。它的优点是价格极其低廉，接线简单。但需要注意，其测量精度相对一般（温度±2°C，湿度±5%RH），响应速度也较慢。对于要求不高的室内环境监测，它完全够用。如果你追求更高精度，可以升级到DHT22或SHT31等型号，但代码和库需要相应调整。

其次是BMP085/BMP180气压温度传感器。这是一个基于I2C通信的数字传感器。我选择它有两个主要原因：一是它可以提供高精度的气压数据，这对于观测天气变化（如气压骤降可能预示降雨）很有意义；二是它同时也能提供一份温度数据，可以与DHT11的读数进行交叉比对，提高可靠性。BMP180是BMP085的升级版，引脚和库完全兼容，购买时选哪个都可以。它们都需要连接I2C总线（即SCL和SDA引脚）。

最后是光敏电阻（Photocell）。这是一个模拟传感器，其电阻值随光照强度变化。我们通过一个简单的分压电路，将其连接到模拟输入引脚，将电阻值变化转化为0-1023的模拟读数。它成本极低，虽然不能提供勒克斯（Lux）这样的绝对光强单位，但用于判断“白天/黑夜”或光照相对强弱变化（比如监测植物是否获得足够光照）非常有效。

注意：DHT11和光敏电阻都是对电源噪声比较敏感的器件。务必确保你的5V电源稳定，并在面包板电源轨上并联一个100uF以上的电解电容，可以显著减少读数跳变。

2.3 电路连接实战与原理剖析

接线图看起来简单，但每一步背后都有其道理。让我们拆解一下：

1. 电源与地线（Power & GND）：这是所有电路的基石。将Yun板的5V和GND引脚分别连接到面包板的红色（正极）和蓝色（负极）电源轨。这样做的好处是，所有传感器都可以就近从电源轨取电，避免了“飞线”杂乱，也减少了因长导线引入的电压降和噪声。

2. DHT11连接：

VCC（Pin 1） -> 5V红轨：供电。
GND（Pin 4） -> GND蓝轨：接地。
DATA（Pin 2） -> Yun Digital Pin 8：数据线。这里选择数字引脚8是随意的，你完全可以根据布线方便选择其他数字引脚，只需在代码中同步修改DHTPIN的定义即可。
4.7kΩ上拉电阻接在VCC和DATA之间：这是关键！DHT11的数据线是开漏输出，意味着它只能主动将线路拉低（输出0），而要输出高电平（1）时需要外部电路将电压拉上去。这个4.7kΩ电阻就是起到“上拉”的作用，确保在传感器不主动拉低线路时，数据线能稳定在高电平，保证通信的可靠性。

3. 光敏电阻连接：

这是一个经典的分压电路。光敏电阻和一颗10kΩ的定值电阻串联在5V和GND之间。
两者的连接点（即分压点）引出，连接到Yun的模拟引脚A0。
工作原理：光照越强，光敏电阻值越小（可低至几千欧姆），它在串联电路中的分压就越小，A0测得的电压值就越低（模拟读数接近0）。反之，黑暗时光敏电阻值很大（可达兆欧级），分压变大，A0读数接近1023。通过这个模拟值的变化，我们就能反推光照的相对强度。

4. BMP180连接：

VIN -> 5V红轨
GND -> GND蓝轨
SCL -> Yun Digital Pin 3：在Arduino Yun上，数字引脚3兼任I2C时钟线（SCL）。
SDA -> Yun Digital Pin 2：数字引脚2兼任I2C数据线（SDA）。
I2C总线是共享总线，理论上可以挂载多个设备，每个设备有唯一地址。BMP180的默认地址是0x77，库函数会自动扫描并初始化。

连接完毕后，强烈建议先不要急着上云，而是用下一节的测试代码验证每个传感器是否工作正常。这能帮你快速定位是接线错误、传感器损坏还是库安装问题。

3. 软件环境配置与本地测试

3.1 开发环境与核心库安装

工欲善其事，必先利其器。软件准备是第一步。你需要安装最新版本的Arduino IDE。虽然原文提到当时是Beta版，但现在直接去Arduino官网下载稳定版即可。安装后，还需要安装三个关键的库文件，它们封装了与传感器通信的复杂协议，让我们用几行代码就能轻松读数。

DHT Sensor Library：这是由Adafruit维护的DHT系列传感器通用库。它统一了DHT11、DHT22等型号的接口。
Adafruit BMP085/BMP180 Library：用于操作BMP085/180气压传感器的专用库。
Adafruit Unified Sensor Driver：这是一个“驱动抽象层”库。上面BMP180的库依赖于它。它提供了一套标准的传感器数据结构和接口，让上层应用（比如BMP180库）的代码更统一。

安装库的方法很简单：在Arduino IDE中，点击“项目” -> “加载库” -> “管理库...”，打开库管理器。在搜索框中分别输入“DHT sensor”、“Adafruit BMP180”和“Adafruit Unified Sensor”，找到后点击安装即可。这是最推荐的方式，能自动处理依赖关系。

3.2 传感器本地测试代码解读

在连接云端之前，我们必须确保硬件和基础代码在本地是正常的。下面这个测试脚本就是我们的“硬件体检工具”。

#include "DHT.h" #include <Wire.h> #include <Adafruit_Sensor.h> #include <Adafruit_BMP085_U.h> // 1. 定义DHT引脚和类型 #define DHTPIN 8 #define DHTTYPE DHT11 // 2. 创建传感器对象实例 DHT dht(DHTPIN, DHTTYPE); Adafruit_BMP085_Unified bmp = Adafruit_BMP085_Unified(10085); void setup() { Serial.begin(9600); // 初始化串口通信 Serial.println("气象站传感器测试开始..."); dht.begin(); // 初始化DHT传感器 if (!bmp.begin()) { // 初始化BMP传感器，并检查是否成功 Serial.println("未检测到BMP180传感器，请检查接线！"); while (1); // 停止执行 } } void loop() { delay(2000); // 等待2秒，DHT11读取需要约2秒间隔 // 3. 读取DHT11的湿度与温度 float humidity = dht.readHumidity(); float temperature_dht = dht.readTemperature(); // 摄氏度 // 检查DHT读数是否有效 if (isnan(humidity) || isnan(temperature_dht)) { Serial.println("读取DHT11失败！"); return; } // 4. 读取光敏电阻模拟值 int lightLevel = analogRead(A0); // 5. 读取BMP180的气压和温度 sensors_event_t event; bmp.getEvent(&event); float pressure = event.pressure; // 单位：百帕（hPa） float temperature_bmp, altitude; bmp.getTemperature(&temperature_bmp); // BMP180自带的温度读数 // 6. 计算近似海拔（可选，基于标准海平面气压） float seaLevelPressure = 1013.25; // 标准海平面气压（hPa） altitude = bmp.pressureToAltitude(seaLevelPressure, event.pressure); // 7. 打印所有数据到串口监视器 Serial.print("湿度: "); Serial.print(humidity); Serial.println(" %"); Serial.print("温度(DHT11): "); Serial.print(temperature_dht); Serial.println(" °C"); Serial.print("温度(BMP180): "); Serial.print(temperature_bmp); Serial.println(" °C"); Serial.print("气压: "); Serial.print(pressure); Serial.println(" hPa"); Serial.print("近似海拔: "); Serial.print(altitude); Serial.println(" m"); Serial.print("光照等级: "); Serial.println(lightLevel); Serial.println("-----------------------"); }

代码关键点解析：

对象初始化：DHT dht(DHTPIN, DHTTYPE);这行代码创建了一个DHT对象，并告诉它数据线连接在8号引脚，传感器型号是DHT11。
错误处理：bmp.begin()和dht.read的返回值判断至关重要。在实际部署中，传感器可能接触不良或损坏，良好的错误处理能让你快速定位问题，而不是对着乱码数据发呆。
双温度对比：我们同时读取了DHT11和BMP180的温度。你会发现它们有细微差别。这很正常，因为两个传感器位置不同，自身发热也不同。你可以取平均值，或者根据测试信任其中一个。这个对比过程本身就是一种数据校验。
延时：delay(2000)对于DHT11是必须的，因为它两次读取之间需要至少2秒的恢复时间。对于快速循环的监测，这是主要瓶颈，也是考虑升级到DHT22或SHT3x的原因之一。

将代码上传到Yun，打开串口监视器（波特率设为9600），你应该能看到每隔2秒刷新一次的数据。如果所有数据都能稳定、合理地输出（比如湿度在30%-70%之间，气压在1000hPa左右），恭喜你，硬件部分和基础代码已经完美就绪。

4. 云端服务配置与Temboo桥接

4.1 Temboo的角色与替代方案思考

原项目使用了Temboo作为连接Arduino Yun和Google Sheets的“桥梁”。Temboo提供了一个巨大的“代码库”，将许多复杂的云服务API（如Google, Twitter, Dropbox）封装成简单的、适用于微控制器的函数。对于开发者来说，你不需要去深入研究OAuth 2.0认证流程或HTTP POST请求的细节，只需调用Temboo库中的相应函数，填入你的密钥和数据即可。

然而，正如原文脚注所提醒的，Temboo已经逐渐停止了对Arduino平台的直接支持。这是一个在物联网项目中经常遇到的情况：云服务变更、API失效。但这恰恰是学习物联网需要掌握的核心能力之一：理解原理，而非依赖特定服务。Temboo的本质是一个API网关和协议转换器。它替Yun完成了与Google API服务器之间繁琐的HTTPS通信和认证。

既然原服务可能不可用，我们的思路可以转向两个方向：

寻找类似的中间件服务：例如，IFTTT、Zapier等自动化平台也提供了连接硬件和云服务的功能，但通常需要配合特定的触发器（如Webhooks）。
理解底层原理，自行实现：这是更根本的方法。我们需要知道，向Google Sheets写入数据，本质上就是向一个特定的、受保护的URL发送一个结构化的HTTP POST请求。在Arduino Yun上，我们可以利用其Linux端的能力，使用cURL或Python脚本直接发送这个请求。虽然复杂度增加，但可控性也最强。

为了保持项目的连贯性和教学性，我们接下来将基于“理解原理”的思路，讲解如何配置Google Cloud项目来获得API访问权限，这是无论使用Temboo还是其他方式都必须经历的一步。

4.2 Google Cloud项目创建与API密钥获取

要让我们的气象站能够写入你的Google表格，你必须先获得Google的授权。这个过程是在Google Cloud Platform上创建一个项目，并启用Sheets API。

访问Google Cloud Console：使用你的Google账号登录 Google Cloud Console 。
创建新项目：点击顶部导航栏的项目选择器，然后点击“新建项目”。给它起个名字，比如“ArduinoYun-WeatherStation”。
启用Google Sheets API：在项目仪表板中，点击“启用API和服务”。在搜索框中输入“Google Sheets API”，找到后点击进入详情页，然后点击“启用”。
创建服务账号（关键步骤）：这是为了以“机器用户”的身份安全地访问API，而不是使用你的人身份。在左侧导航栏找到“IAM和管理” -> “服务账号”。点击“创建服务账号”。
- 服务账号名称：填写“yun-weather-writer”。
- 角色：暂时可以不选，直接点击“完成”。（角色我们后续在Google Sheets里分配）。
生成访问密钥（JSON文件）：在创建好的服务账号列表中，找到刚创建的账号，点击右侧的“操作”菜单（三个点），选择“管理密钥”。在“密钥”标签页，点击“添加密钥” -> “创建新密钥”。密钥类型选择“JSON”，然后点击“创建”。浏览器会自动下载一个JSON格式的密钥文件（如yun-weather-writer-xxxxxxx.json）。请妥善保管这个文件，它就像一把万能钥匙，一旦泄露，别人就能操作你的表格。
在Google Sheets中分享表格：打开或新建一个Google Sheets表格，这就是我们的数据目的地。点击右上角的“共享”按钮。在“添加人员或群组”的输入框里，填入刚才创建的服务账号的“客户端邮箱”（可以在下载的JSON文件中找到client_email字段，形如yun-weather-writer@your-project.iam.gserviceaccount.com）。权限设置为“编辑者”。然后点击“发送”。

完成以上步骤，你就为你的气象站创建了一个专用的、有写入权限的“机器人”身份，并拿到了它的凭证。

4.3 Arduino Yun的网络与Bridge库初始化

要让Yun的Linux端和Arduino端协同工作，必须正确初始化Bridge库，并确保Yun已接入你的本地WiFi网络。

网络配置：首次使用Arduino Yun，你需要通过有线网络或访问其内置的AP热点（通常名为“Arduino Yun-XXXXXX”）进行配置。在浏览器中打开http://arduino.local或192.168.240.1，进入Yun的Web配置界面。在这里，你可以扫描并连接到你的家庭WiFi，设置密码。配置成功后，Yun将自动通过WiFi联网。

Bridge库的作用：在代码中，Bridge.begin()这条命令是启动一切云端通信的钥匙。它初始化了ATmega32U4和AR9331两个处理器之间的串行通信链路。此后，Arduino端的代码就可以通过Process、FileIO、YunClient等对象，向Linux端发送指令，例如执行一个shell命令、读写Linux端的文件，或者发起一个网络请求。

在我们的项目中，虽然原Temboo库封装了细节，但其底层很可能就是通过Bridge，让Linux端执行了一个包含cURL命令的脚本，将数据发送出去。理解这一点，就能在Temboo不可用时，自己动手编写这个脚本。

5. 数据上云：从传感器到Google表格的完整实现

5.1 构建数据发送函数（基于HTTP请求原理）

假设我们不使用Temboo，我们可以构思一个更直接的方案：在Yun的Linux端，用一个Python脚本定期读取Arduino端通过Bridge共享的数据，然后使用Google Sheets API的Python客户端库，将数据写入表格。这里，我给出一个概念性的Arduino端代码框架，展示如何通过Bridge与Linux端脚本交互。

首先，Arduino端需要将传感器数据“暴露”给Linux端。一种简单的方式是写入一个共享文件，或者通过Process执行命令传递参数。

#include <Bridge.h> #include <Process.h> // ... 传感器定义和读取代码与之前相同 ... const unsigned long UPLOAD_INTERVAL = 600000; // 10分钟，单位毫秒 unsigned long previousUploadTime = 0; void setup() { Bridge.begin(); // 启动Bridge，必须！ Serial.begin(9600); // ... 传感器初始化 ... } void loop() { // ... 读取传感器数据到变量 humidity, temperature, pressure, light ... unsigned long currentTime = millis(); if (currentTime - previousUploadTime >= UPLOAD_INTERVAL) { previousUploadTime = currentTime; // 构建一个包含数据的字符串，例如CSV格式 String dataString = String(currentTime) + ","; dataString += String(humidity) + ","; dataString += String(temperature) + ","; dataString += String(pressure) + ","; dataString += String(light); // 方案A：通过Process调用Linux端的Python脚本，并传递数据作为参数 Process p; p.begin("python3"); p.addParameter("/mnt/sda1/scripts/upload_to_sheets.py"); // Python脚本路径 p.addParameter(dataString); // 将数据作为命令行参数传递 p.run(); // 打印进程输出，用于调试 while (p.available() > 0) { char c = p.read(); Serial.print(c); } Serial.println("数据上传进程已启动。"); } delay(10000); // 主循环延迟10秒，避免过于频繁读取传感器 }

5.2 Linux端Python脚本编写详解

在Yun的Linux端（可以通过SSH登录，或者使用Arduino IDE的“串口”功能中的“Yun终端”访问），我们需要创建一个Python脚本。这个脚本需要做几件事：解析传入的数据，使用Google API客户端库进行认证，然后将数据追加到指定的Google表格。

首先，通过SSH或串口终端登录Yun的Linux系统，安装必要的软件包：

opkg update opkg install python3 python3-pip pip3 install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib

然后，创建脚本文件/mnt/sda1/scripts/upload_to_sheets.py（假设你的SD卡挂载在/mnt/sda1）：

#!/usr/bin/env python3 import sys import os from google.oauth2 import service_account from googleapiclient.discovery import build from googleapiclient.errors import HttpError # 1. 从命令行参数获取数据 # 数据格式预期为：时间戳,湿度,温度,气压,光照 if len(sys.argv) < 2: print("错误：未接收到数据参数。") sys.exit(1) data_string = sys.argv[1] data_values = data_string.split(',') # 这里可以添加数据验证和清洗逻辑 # 2. 设置Google Sheets API的认证信息 SCOPES = ['https://www.googleapis.com/auth/spreadsheets'] SERVICE_ACCOUNT_FILE = '/mnt/sda1/credentials/yun-weather-writer-xxxxxxx.json' # 你的JSON密钥文件路径 SPREADSHEET_ID = '你的Google表格ID' # 在表格的URL中，位于 /d/ 和 /edit 之间 RANGE_NAME = 'Sheet1!A:E' # 表示要写入Sheet1的A到E列 def main(): creds = None try: creds = service_account.Credentials.from_service_account_file( SERVICE_ACCOUNT_FILE, scopes=SCOPES) except Exception as e: print(f'认证失败: {e}') return try: service = build('sheets', 'v4', credentials=creds) sheet = service.spreadsheets() # 3. 构建请求体：在表格末尾追加一行 values = [data_values] # 需要是二维列表 body = {'values': values} result = sheet.values().append( spreadsheetId=SPREADSHEET_ID, range=RANGE_NAME, valueInputOption='USER_ENTERED', # 或 'RAW' insertDataOption='INSERT_ROWS', body=body).execute() print(f"成功写入 {result.get('updates').get('updatedCells')} 个单元格。") except HttpError as err: print(f'API调用出错: {err}') if __name__ == '__main__': main()

脚本关键点解析：

认证：使用服务账号的JSON密钥文件进行无交互式认证，非常适合自动化设备。
spreadsheetId：这是你表格的唯一标识符，从浏览器地址栏获取。
valueInputOption：USER_ENTERED表示数据会被解析，就像用户在网页界面手动输入一样（比如字符串“1,2”可能会被分成两列）；RAW则表示直接写入原始字符串。根据你的数据格式选择。
错误处理：网络请求可能失败，脚本中的try...except块至关重要，它能防止单次失败导致整个进程崩溃，并将错误信息反馈回Arduino端，便于调试。

5.3 自动化与定时任务部署

我们不希望每次上传数据都手动触发。在物联网设备上，通常使用定时任务（Cron Job）来实现自动化。我们可以让Linux端定时执行一个脚本，这个脚本首先从Arduino端获取最新数据（例如通过读取一个由Arduino Sketch定期更新的文件），然后再调用上传脚本。

修改Arduino Sketch：让Sketch不再主动调用上传，而是定期将数据写入一个Linux端可访问的文件，例如/mnt/sda1/data/latest_reading.csv。

创建数据获取与上传的Shell脚本：例如/mnt/sda1/scripts/fetch_and_upload.sh。

#!/bin/sh DATA_FILE="/mnt/sda1/data/latest_reading.csv" PYTHON_SCRIPT="/mnt/sda1/scripts/upload_to_sheets.py" if [ -f "$DATA_FILE" ]; then # 读取文件最后一行数据 LATEST_DATA=$(tail -n 1 "$DATA_FILE") # 调用Python脚本上传 python3 "$PYTHON_SCRIPT" "$LATEST_DATA" else echo "数据文件不存在。" fi

设置Cron定时任务：通过SSH登录Yun，执行crontab -e编辑定时任务。添加一行，表示每10分钟执行一次我们的脚本。
```
*/10 * * * * /mnt/sda1/scripts/fetch_and_upload.sh >> /mnt/sda1/logs/upload.log 2>&1
```
这行命令的意思是：每10分钟，执行一次脚本，并将脚本的所有输出（包括标准输出和错误输出）追加到日志文件中，便于日后排查问题。

通过以上步骤，我们构建了一个不依赖于特定第三方中转服务（如Temboo）的、自主可控的数据上云管道。虽然步骤比直接调用Temboo库要多，但你对整个数据流的掌控力也大大增强了。

6. 数据可视化、问题排查与项目扩展

6.1 利用Google Sheets进行实时可视化

数据进入Google表格只是第一步，让数据“说话”才是价值所在。Google Sheets内置的图表功能非常强大，足以满足基本的可视化需求。

数据清理：确保你的数据被正确地写入不同的列。第一行通常是表头，如“时间戳”、“湿度(%)”、“温度(°C)”、“气压(hPa)”、“光照”。
创建图表：选中包含数据和表头的区域，点击菜单栏的“插入” -> “图表”。 Sheets会自动推荐图表类型，通常折线图或面积图适合展示时间序列数据。
自定义图表：在右侧的“图表编辑器”中，你可以：
- 图表类型：切换为折线图、柱状图、组合图等。
- 数据范围：调整图表引用的数据范围。随着数据不断追加，你可以将范围设置为整列（如A:A），这样新数据会自动纳入图表。
- 系列：为每个数据系列（湿度、温度等）设置不同的颜色和样式。
- 横坐标：将“时间戳”列设置为横轴。
自动刷新：Google Sheets图表是实时更新的。只要你的脚本在后台持续写入新数据，图表就会自动扩展，显示最新的趋势。你可以将这张图表单独发布为网页链接，分享给其他人查看，而无需暴露整个表格。

6.2 常见问题排查与调试心得

在部署这类物联网项目时，你几乎一定会遇到各种问题。下面是我踩过的一些坑和解决方法：

问题一：串口有数据，但表格里没有新行。
- 排查思路：这是最典型的问题，问题出在“上云”这个环节。
  1. 检查网络：首先确认Yun是否真的连上了WiFi。可以通过串口发送Process p; p.runShellCommand("ifconfig wlan0");来查看网络状态。
  2. 检查认证：确认服务账号的JSON密钥文件路径是否正确，以及该账号是否已被授予表格的编辑权限。可以在Linux端手动运行一次Python脚本，观察输出错误信息。
  3. 检查脚本权限：确保你的Python脚本和Shell脚本有可执行权限 (chmod +x script.py)。
  4. 查看日志：Cron任务和脚本的输出都重定向到了日志文件，检查/mnt/sda1/logs/upload.log是定位问题的第一选择。
问题二：传感器读数不稳定或为NaN（非数字）。
- 排查思路：问题出在数据采集端。
  1. 电源噪声：这是导致DHT11和光敏电阻读数跳变的常见原因。确保电源旁路电容已加上，并尝试用杜邦线将传感器的GND直接连接到Yun的GND引脚，减少共地噪声。
  2. 接线松动：特别是DHT11，其引脚很容易在面包板上接触不良。轻轻按压或重新插拔。
  3. 库冲突或版本问题：确保你安装的传感器库是最新且兼容的。有时需要尝试不同版本的库。
问题三：设备运行一段时间后死机或不更新。
- 排查思路：可能是内存泄漏或进程阻塞。
  1. 检查内存：在Linux端使用free命令查看内存使用情况。如果Arduino端的Sketch或Linux端脚本存在内存泄漏，长时间运行后会耗尽资源。
  2. 简化逻辑：初期尽量让代码简单可靠。避免在Arduino的loop()中使用复杂的字符串操作或动态内存分配。
  3. 看门狗（Watchdog）：可以考虑启用Arduino的内置看门狗定时器，在程序卡死时自动重启。

实操心得：给每个关键步骤都加上状态反馈。比如，在Arduino代码中，每次成功读取传感器、成功调用上传进程后，都在串口打印一条明确的日志（如[INFO] Data uploaded.）。在Linux脚本中，将成功或失败信息写入日志。这些日志信息在调试时是无价之宝。另外，在项目初期，可以大幅缩短上传间隔（比如1分钟），快速测试整个流程是否通畅，稳定后再改为10分钟或更长的间隔。

6.3 项目扩展与优化方向

这个基础的气象站就像一个乐高底座，你可以在此基础上添加无数有趣的模块：

更多传感器：
- 空气质量：添加PM2.5/PM10传感器（如攀藤PMS5003）或二氧化碳传感器（如MH-Z19B），监测室内空气健康。
- 噪音传感器：了解家庭环境的噪音水平变化。
- 土壤湿度传感器：自动监控盆栽植物的干湿情况，为自动浇水系统提供数据。
- 风速风向传感器：搭建真正的户外微型气象站。
数据存储与后端升级：
- 本地数据库：在Yun的SD卡上使用SQLite数据库存储历史数据，避免因网络中断丢失数据。
- 私有云：将数据发送到你自己的服务器，使用InfluxDB（时序数据库）存储，并用Grafana打造更专业、更美观的仪表盘。
- 多平台通知：结合IFTTT或Webhook，当数据超过阈值（如温度过高）时，自动发送邮件、短信或手机App推送通知。
设备端优化：
- 低功耗设计：如果使用电池供电，可以让Yun大部分时间处于睡眠模式，定时唤醒采集和上传数据。
- 更换主控：如果觉得Yun成本较高或已停产，可以改用更流行的ESP32开发板。ESP32集成了WiFi和蓝牙，性能更强，社区支持更广，有现成的库可以直接连接Google Sheets API或各类物联网平台（如阿里云、腾讯云IoT）。