当前位置：首页 > news >正文

基于树莓派的室内空气质量监测系统：从硬件选型到Web可视化全流程实践

news 2026/5/31 13:08:32

1. 项目概述：从想法到可落地的空气质量监测方案

去年，我接手了一个挺有意思的私人项目：为一个小型联合办公空间搭建一套室内空气质量监测系统。起因很简单，空间管理者发现午后常有成员抱怨犯困、注意力不集中，他们怀疑是通风不足导致二氧化碳浓度升高。市面上成熟的商用监测设备要么功能单一，要么价格昂贵且数据封闭。于是，我决定基于手头闲置的树莓派，搭配几个常见的传感器，自己动手搭建一套开源、可定制且能实时查看数据的方案。

这个项目的核心目标很明确：低成本、可扩展、数据可视化。我们需要实时监测温度、湿度和二氧化碳（CO2）浓度这三个对室内环境舒适度和健康影响最直接的指标，并将数据通过一个清晰的网页界面展示出来，最好还能查看历史趋势。最终，我选用Raspberry Pi 3B+作为主控，连接DS18B20、DHT22和MH-Z19B传感器，后端用Python的Flask框架处理数据和逻辑，前端用HTML/CSS/JavaScript配合Chart.js库绘制图表，数据则存入MySQL数据库。整个系统搭建下来，硬件成本完全可以控制在500元人民币以内，软件部分则完全开源。

无论你是物联网爱好者、嵌入式开发初学者，还是仅仅想为自己家或工作室改善空气环境的技术控，这个项目都提供了一个从硬件连接到软件部署的完整路径。它不仅是一套可用的监测工具，更是一个理解传感器数据采集、嵌入式系统编程、Web前后端交互以及数据可视化的绝佳实践案例。

2. 核心硬件选型与电路设计解析

硬件是整个系统的基石，选型直接决定了数据的准确性、系统的稳定性以及最终成本。我的选型思路主要围绕“够用、稳定、易得”三个原则展开。

2.1 主控与传感器选型考量

主控平台：Raspberry Pi 3B+选择树莓派3B+而非更新型号（如4B）或更低型号（如Zero W），是基于一个平衡点考虑。3B+拥有完整的40针GPIO接口、有线以太网口、Wi-Fi和蓝牙，性能足够流畅运行一个轻量级的Linux系统、Python程序以及MySQL数据库。Zero W虽然更便宜小巧，但其处理器和内存（512MB）在同时运行Web服务器和数据处理时可能会比较吃力，尤其在需要绘制动态图表时。而4B性能固然更强，但功耗和发热也更大，对于需要7x24小时持续运行的环境监测设备来说，3B+的性价比和稳定性更合适。

传感器三剑客：温度、湿度、CO2

温度传感器：DS18B20我选择了DS18B20这款经典的“单总线”数字温度传感器。它最大的优点是采用独特的单总线协议，只需要一根数据线（加上电源和地线共三线）即可与树莓派通信，极大地简化了布线。其测量范围-55°C到+125°C，精度±0.5°C，完全满足室内监测需求。更重要的是，每个DS18B20都有全球唯一的64位ID，这意味着你可以在同一条总线上挂载多个传感器，方便未来扩展监测多个点位。
温湿度一体传感器：DHT22虽然DS18B20能测温度，但为了同时获取湿度数据并作为一个数据交叉验证的参考，我增加了DHT22。DHT22也是数字传感器，输出校准过的数字信号，湿度测量范围0-100%RH，精度±2%RH；温度测量范围-40~80°C，精度±0.5°C。它使用单线双向串行接口，接线同样简单。这里有一个注意事项：DHT22的响应速度较慢，两次测量之间需要至少2秒的间隔，在编程时需要设置合理的读取频率，避免频繁读取导致错误或程序阻塞。
二氧化碳传感器：MH-Z19B这是项目的核心传感器，用于测量空气中的CO2浓度（单位：ppm）。我选择MH-Z19B型号是因为它采用非色散红外（NDIR）原理，这是测量CO2的主流且相对准确的方法，比某些廉价的半导体式传感器稳定、抗干扰性强得多。其测量范围是0-5000ppm，自带温度补偿，并通过UART串口与树莓派通信，使用简单。关键点：MH-Z19B需要一段预热时间（通常约3分钟）才能输出稳定数据，且建议每24小时进行一次自动校准（ABC功能），或将其置于400ppm的新鲜空气中进行手动校准，以确保长期准确性。

2.2 电路连接与供电方案

所有传感器与树莓派的连接都需要通过面包板进行过渡和测试。树莓派的GPIO引脚工作电压是3.3V，务必确认所有传感器兼容此电压，否则需要电平转换模块。

接线明细与原理：

DS18B20：VCC（红线）接3.3V， GND（黑线）接地， DATA（黄线）接GPIO4（物理引脚7）。必须在DATA线和3.3V之间连接一个4.7kΩ的上拉电阻，这是单总线协议稳定通信所必需的。
DHT22：VCC接3.3V， GND接地， DATA接GPIO17（物理引脚11）。同样，建议在DATA线和3.3V之间连接一个5-10kΩ的上拉电阻，尤其在导线较长时能增强信号稳定性。
MH-Z19B：VIN接树莓派的5V引脚（物理引脚2或4）， GND接地。其TX引脚（发送端）接树莓派的RX（GPIO15，物理引脚10）， RX引脚（接收端）接树莓派的TX（GPIO14，物理引脚8）。注意：这里是交叉连接，传感器的TX接树莓派的RX，传感器的RX接树莓派的TX。

供电设计：树莓派3B+满载时电流需求可达2.5A。我使用了一个输出为5V/3A的优质USB电源适配器为其供电。重要经验：务必避免使用劣质或功率不足的电源，这会导致树莓派运行不稳定、频繁重启，甚至损坏SD卡。对于需要长期运行的设备，供电的稳定性是第一要务。

LCD显示屏（可选）：我额外连接了一块16x2的I2C接口LCD屏，用于本地实时显示数据。I2C接口仅需四根线（VCC, GND, SDA, SCL），节省GPIO资源。SDA接GPIO2（物理引脚3），SCL接GPIO3（物理引脚5）。这是一个很好的调试和本地查看工具，但在以Web访问为主的场景下非必需。

提示：在连接任何线缆前，请确保树莓派已断电。连接完成后，最好用万用表通断档检查一下关键连接，避免虚接或短路，这是保护硬件的第一步。

3. 软件环境搭建与核心代码实现

硬件连接妥当后，下一步就是让树莓派“活”起来，赋予它数据采集、处理和展示的能力。这个过程主要分为系统与驱动配置、后端服务编写、前端界面开发三大部分。

3.1 系统配置与传感器驱动启用

首先，为树莓派安装Raspberry Pi OS Lite（无桌面版）以节省资源。通过SSH远程登录进行配置是最高效的方式。

1. 系统更新与必要工具安装：

sudo apt update sudo apt upgrade -y sudo apt install python3-pip python3-venv git -y

2. 启用接口与驱动：

I2C（用于LCD屏）：运行sudo raspi-config，进入Interface Options->I2C，选择启用。
1-Wire（用于DS18B20）：同样在raspi-config中，启用1-Wire接口。
串口（用于MH-Z19B）：树莓派的硬件串口默认用于蓝牙。我们需要将其释放给GPIO使用。编辑/boot/config.txt文件，在末尾添加：
```
enable_uart=1 dtoverlay=disable-bt
```
这行命令会禁用蓝牙，并将硬件串口（/dev/ttyAMA0）分配给GPIO14/15。重启后，MH-Z19B就可以连接到/dev/ttyAMA0了。

3. 验证传感器连接：

DS18B20：重启后，输入ls /sys/bus/w1/devices/，你应该能看到一个以“28-”开头的文件夹，里面w1_slave文件的内容就包含了温度数据。
DHT22：需要通过Python库读取，后续测试。
MH-Z19B：安装测试工具pip3 install mh-z19，然后运行sudo python3 -m mh_z19，如果看到返回的CO2浓度值，说明串口通信正常。

3.2 后端服务：数据采集、存储与API提供

后端是系统的大脑，负责轮询传感器、处理数据、存入数据库并通过WebSocket或API提供给前端。我使用Python的Flask微框架，因为它轻量、灵活且易于上手。

1. 项目结构与虚拟环境：在树莓派上创建一个项目目录，并建立Python虚拟环境以隔离依赖。

mkdir air_quality_monitor && cd air_quality_monitor python3 -m venv venv source venv/bin/activate

2. 安装Python依赖库：

pip install flask flask-cors flask-socketio mysql-connector-python gevent gevent-websocket pip install adafruit-circuitpython-dht # 用于DHT22 pip install mh-z19 # 用于MH-Z19B # DS18B20使用系统内置的1-wire接口，无需额外安装库

3. 数据库设计：使用MariaDB（MySQL的兼容分支）创建数据库。设计遵循简单的规范化原则，创建两张表：

CREATE DATABASE air_quality; USE air_quality; CREATE TABLE sensors ( id INT AUTO_INCREMENT PRIMARY KEY, name VARCHAR(50) NOT NULL, type VARCHAR(50) NOT NULL, location VARCHAR(100), created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE sensor_data ( id INT AUTO_INCREMENT PRIMARY KEY, sensor_id INT, temperature DECIMAL(5,2), humidity DECIMAL(5,2), co2 INT, recorded_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, FOREIGN KEY (sensor_id) REFERENCES sensors(id) );

sensors表记录传感器元信息，sensor_data表存储具体的测量数据。这种设计便于未来增加更多监测点。

4. 核心Python脚本解析：创建一个app.py作为后端主程序。其核心逻辑如下：

传感器读取函数：编写独立的函数来读取每个传感器，并加入异常处理。例如，读取DHT22时，如果失败就重试几次，避免因单次读取失败导致整个循环中断。

import adafruit_dht import board import mh_z19 import time def read_dht22(pin): dhtDevice = adafruit_dht.DHT22(pin, use_pulseio=False) # 在某些系统上需要禁用pulseio for _ in range(3): # 重试3次 try: temperature = dhtDevice.temperature humidity = dhtDevice.humidity if temperature is not None and humidity is not None: return temperature, humidity except RuntimeError as error: time.sleep(2) # DHT22需要间隔 continue return None, None

数据采集循环：使用一个后台线程，每10秒读取一次所有传感器数据，并插入数据库。这里有个关键技巧：将传感器读取和数据库写入操作分离。即使数据库暂时不可用，采集的数据也可以先缓存起来，避免数据丢失。

import threading from datetime import datetime def collect_data(): while True: temp_ds18b20 = read_ds18b20() temp_dht22, humidity = read_dht22(board.D17) co2_value = read_mhz19b() # 可以选择使用两个温度传感器的平均值 avg_temp = (temp_ds18b20 + temp_dht22) / 2 if None not in (temp_ds18b20, temp_dht22) else temp_dht22 or temp_ds18b20 # 插入数据库 save_to_db(avg_temp, humidity, co2_value) time.sleep(10)

Flask与Socket.IO：Flask处理HTTP请求（如提供历史数据的API），Socket.IO实现实时数据推送。

from flask import Flask, jsonify from flask_socketio import SocketIO, emit import mysql.connector app = Flask(__name__) socketio = SocketIO(app, cors_allowed_origins="*") @app.route('/api/history') def get_history(): # 连接数据库，查询最近N小时的数据，以JSON格式返回 pass # 当有新的传感器数据存入时，通过Socket.IO广播给所有连接的网页客户端 def save_to_db(temp, hum, co2): # ... 数据库插入逻辑 ... socketio.emit('new_data', {'temperature': temp, 'humidity': hum, 'co2': co2})

3.3 前端界面：数据可视化与交互

前端的目标是提供一个清晰、直观且响应式的数据看板。我使用纯HTML/CSS/JS开发，利用Chart.js库来绘制图表。

1. 页面结构：创建index.html，包含：

一个标题和简要说明。
三个卡片区域，分别用大字体显示温度、湿度、CO2的当前实时数值，并使用颜色提示（例如，CO2超过1000ppm显示为橙色，超过1500ppm显示为红色）。
一个标签页区域，包含“实时曲线”和“历史趋势”两个标签页。
“实时曲线”页内包含三个Canvas元素，分别用于绘制三条随时间变化的折线图。
“历史趋势”页提供时间范围选择器（如最近1小时、6小时、24小时），点击后从后端API获取数据并渲染图表。

2. 实时数据更新：使用Socket.IO的客户端库，监听后端发出的new_data事件，更新大数字显示，并同时向三个实时图表追加新的数据点。

const socket = io(); socket.on('new_data', function(data) { // 更新温度、湿度、CO2的数值显示 document.getElementById('current-temp').innerText = data.temperature.toFixed(1); // 更新实时图表 realTimeChart.data.labels.push(new Date().toLocaleTimeString()); realTimeChart.data.datasets[0].data.push(data.co2); realTimeChart.update('quiet'); // 静默更新，避免频繁动画消耗性能 });

3. 历史数据获取：为“历史趋势”页的按钮绑定点击事件，触发对/api/history的AJAX请求，获取对应时间段的JSON数据，然后重新初始化Chart.js图表。

function loadHistoryData(hours) { fetch(`/api/history?hours=${hours}`) .then(response => response.json()) .then(data => { // 使用获取的数据重新绘制历史图表 renderHistoryChart(data); }); }

4. 样式与响应式：使用CSS Flexbox或Grid布局，确保在手机、平板和电脑上都能有良好的显示效果。图表容器设置为width: 100%; height: 300px;。

4. 系统集成、部署与优化

当硬件、后端、前端都分别测试通过后，就需要将它们整合成一个稳定、可长期运行的系统。

4.1 系统服务化与开机自启

我们不能依赖在SSH终端里手动运行python app.py。需要将后端程序设置为系统服务，使其在树莓派启动时自动运行，并在崩溃时尝试重启。

创建系统服务文件：

sudo nano /etc/systemd/system/airquality.service

写入以下配置：

[Unit] Description=Air Quality Monitor Flask Service After=network.target mariadb.service [Service] User=pi WorkingDirectory=/home/pi/air_quality_monitor Environment="PATH=/home/pi/air_quality_monitor/venv/bin" ExecStart=/home/pi/air_quality_monitor/venv/bin/python app.py Restart=always RestartSec=10 [Install] WantedBy=multi-user.target

关键参数解释：

After=network.target mariadb.service：确保服务在网络和数据库就绪后才启动。
Environment="PATH=..."：指定虚拟环境的路径，确保服务使用我们安装的依赖包。
Restart=always：服务意外退出时自动重启。
RestartSec=10：重启前等待10秒。

启用并启动服务：

sudo systemctl daemon-reload sudo systemctl enable airquality.service sudo systemctl start airquality.service sudo systemctl status airquality.service # 检查运行状态

4.2 Web服务器配置（可选但推荐）

目前，Flask内置的开发服务器运行在http://树莓派IP:5000。开发服务器性能较弱且不安全，不适合生产环境。我们可以使用Nginx作为反向代理，处理静态文件（前端HTML/CSS/JS），并将动态请求转发给后端的Flask应用（通常运行在本地某个端口，如127.0.0.1:8000）。

安装Nginx：
```
sudo apt install nginx -y
```

配置Nginx站点：编辑Nginx配置文件/etc/nginx/sites-available/airquality：

server { listen 80; server_name your_pi_ip_or_domain; # 填写树莓派的IP地址或域名 location / { # 首先尝试直接提供静态文件（前端页面） root /home/pi/air_quality_monitor/static; try_files $uri $uri/ @flaskapp; } location @flaskapp { proxy_pass http://127.0.0.1:8000; # 转发给Gunicorn proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; } # Socket.IO支持 location /socket.io/ { proxy_pass http://127.0.0.1:8000/socket.io/; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; proxy_set_header Host $host; } }

使用Gunicorn替代Flask开发服务器：在生产环境中，使用Gunicorn这类WSGI服务器来运行Flask应用更稳定。
```
pip install gunicorn # 在项目目录下，使用Gunicorn启动应用，绑定到本地8000端口 gunicorn --workers 2 --bind 127.0.0.1:8000 app:app
```
同样，可以将Gunicorn也配置为系统服务。

4.3 机箱设计与制作

为了让项目看起来更专业，也为了保护内部电路，一个定制的机箱是必要的。我选择用激光切割亚克力板来制作。

设计：使用Fusion 360或Inkscape等软件，根据树莓派、面包板、传感器和屏幕的尺寸，设计一个六面体盒子的展开图（DXF或SVG格式）。需要预留：
- 传感器开孔：MH-Z19B的进气/出气孔、DHT22和DS18B20的感应窗口。
- 屏幕开孔：与LCD显示区域匹配。
- 线缆孔：电源线和网线（如果使用）的出口。
- 散热孔：在树莓派CPU上方位置开一些小孔。
材料：3mm厚的亚克力板是不错的选择，兼顾强度和美观。也可以使用中密度纤维板（MDF），成本更低但不如亚克力通透。
组装：激光切割完成后，使用亚克力胶水或卡扣结构进行组装。内部可以用尼龙柱或螺丝固定树莓派和面包板。

注意：机箱设计时，务必确保CO2传感器的进气口不被遮挡，且远离其他热源（如树莓派CPU），以免影响测量准确性。温湿度传感器也应避免被阳光直射或紧贴发热元件。

5. 常见问题排查与维护心得

在实际部署和长期运行中，你肯定会遇到各种各样的问题。下面是我踩过坑后总结的一些典型问题及其解决方法。

5.1 硬件与连接问题

问题1：DS18B20读取失败，/sys/bus/w1/devices/目录下没有设备。

排查：首先检查raspi-config中1-Wire接口是否已启用。然后检查物理连接，特别是那个4.7kΩ的上拉电阻是否接在了数据线和3.3V之间，这是最常见的原因。用万用表测量数据线引脚电压，在未通信时应在3.3V左右。
解决：确认接线无误后，重启树莓派。如果仍不行，尝试更换一个GPIO口（需同时修改代码和/boot/config.txt中的dtoverlay=w1-gpio,gpiopin=参数）。

问题2：DHT22经常读取失败或返回None。

排查：DHT22对时序要求严格。首先检查接线，同样可以尝试增加一个上拉电阻。其次，确保两次读取间隔大于2秒。检查代码中是否在读取失败后没有足够的延迟就立即重试。
解决：在读取函数中加入重试机制和足够的延迟（time.sleep(2)）。确保给DHT22供电的3.3V电源稳定。如果环境干扰大，可以尝试缩短传感器到树莓派的导线长度，或使用屏蔽线。

问题3：MH-Z19B返回的CO2值异常（如始终为0、410或5000）。

排查：
- 始终为0或410：可能是串口通信问题。使用ls -l /dev/ttyAMA0检查设备权限，确保运行程序的用户（如pi）有读写权限（crw-rw----）。可以使用sudo chmod 666 /dev/ttyAMA0临时修改，但最好将用户加入dialout组：sudo usermod -a -G dialout pi。
- 始终为5000：可能是传感器处于预热期（上电后头3分钟），或发生了ABC自动校准干扰。MH-Z19B的ABC（自动基线校准）功能会假设传感器每周至少有一次暴露在400ppm新鲜空气（如室外）的环境中。如果长期在密闭高浓度环境运行，ABC功能会导致读数逐渐偏低。
解决：对于通信问题，检查/boot/config.txt中串口配置，并确认TX/RX没有接反。对于ABC问题，如果监测环境长期密闭，建议关闭ABC功能。可以通过发送特定的串口指令实现（具体指令需查阅MH-Z19B手册），或者购买MH-Z19C型号，它支持更灵活的校准设置。

5.2 软件与数据问题

问题4：Web页面能打开，但实时数据不更新。

排查：打开浏览器的开发者工具（F12），查看“网络”(Network)选项卡中的“WS”（WebSocket）或“获取”(Fetch)请求。确认Socket.IO连接是否建立成功（状态码101）。查看控制台(Console)是否有JavaScript错误。
解决：检查后端Socket.IO服务是否正常运行。确认前端连接的Socket.IO服务器地址和端口是否正确。如果使用了Nginx反向代理，务必按照前面所述正确配置/socket.io/路径的转发。

问题5：历史数据图表不显示或数据不对。

排查：在浏览器中直接访问后端历史数据API，例如http://树莓派IP:5000/api/history?hours=24，查看返回的JSON数据是否正常。检查后端查询数据库的SQL语句和时间过滤逻辑是否正确。
解决：确保数据库服务（MariaDB）正在运行。检查数据库连接参数（主机、用户名、密码、数据库名）。在Python代码中增加更详细的错误捕获和日志记录，将异常信息写入文件，便于排查。

问题6：树莓派运行一段时间后卡顿或重启。

排查：很可能是电源问题或散热问题。触摸树莓派芯片，如果烫手，说明散热不足。使用vcgencmd measure_temp命令查看核心温度，超过80°C就需要警惕。
解决：为树莓派加装散热片甚至小型风扇。确保使用足额（5V/3A）的优质电源。检查SD卡剩余空间，定期清理日志文件。对于7x24运行，建议使用高质量、高耐用度的工业级SD卡或改用USB SSD启动。

5.3 长期维护与优化建议

数据备份：定期备份MySQL数据库。可以使用mysqldump工具创建备份脚本，并通过cron定时任务将备份文件发送到另一台电脑或云存储。
日志记录：为Python程序添加日志功能（使用logging模块），将错误信息、传感器读取失败记录等写入文件，方便日后排查问题。
设置报警阈值：在后端代码中增加逻辑，当CO2浓度连续超过设定阈值（如1000ppm）一定时间后，可以通过发送电子邮件、Telegram消息或触发一个物理蜂鸣器的方式进行报警。
功耗考虑：如果希望部署在无固定电源的地方，可以考虑使用树莓派Zero 2 W（功耗更低）搭配移动电源，并优化软件，减少不必要的进程，延长续航。
扩展性：当前的数据库和代码结构已经考虑了多传感器扩展。你可以轻松地增加第二个、第三个监测节点（使用额外的树莓派或ESP32等单片机），将数据通过HTTP POST或MQTT协议发送到中心服务器（这台树莓派）进行汇总展示。

这个项目从构思到稳定运行，花费了我大约两周的业余时间。最大的收获不是做出了一个能用的工具，而是在这个过程中，将硬件、嵌入式Linux、网络通信、数据库、Web开发这些分散的知识点串联成了一个完整的解决方案。当你第一次在手机上打开网页，看到自己房间里真实的温湿度和CO2曲线时，那种感觉是无可替代的。它现在已经在那个联合办公空间默默运行了大半年，成为了管理者调整通风策略的重要依据。如果你也正被室内空气问题困扰，或者单纯想找一个有挑战又有成就感的物联网项目来练手，不妨就从这里开始。

查看全文

http://www.cnnetsun.cn/news/2673920.html