小智AI全套PCBA实现衣柜防潮状态监测与告警提示

带虾条酱

347人浏览 · 2025-11-11 11:55:50

带虾条酱 · 2025-11-11 11:55:50 发布

小智AI全套PCBA实现衣柜防潮状态监测与告警提示

在南方潮湿的梅雨季，打开衣柜发现心爱的衣服泛黄发霉——这种糟心体验你是不是也经历过？😅 更无奈的是，等看到霉斑时，损伤早已发生。传统除湿盒、电子湿度计只能“事后诸葛亮”，而真正的智能，应该是 提前预警、主动防御 。

有没有一种方案，能像一位贴心管家一样，默默盯着衣柜里的湿度变化，预测风险，并在问题发生前就提醒你？答案是：有！👏
“小智AI”就是这样一套专为封闭空间设计的 全集成PCBA智能防潮系统 。它不只是个温湿度计，而是一个会“思考”的微型AI哨兵，通过精准感知 + 边缘智能 + 多模态告警，把防潮从“被动补救”变成“主动预防”。

那它是怎么做到的呢？咱们不讲空话，直接拆开电路板，看看里面的“黑科技”是怎么协同工作的👇

核心组件揭秘：一块小板子，藏着四重智慧

别看这块PCBA只有巴掌大（40mm × 25mm），里面却集成了四个关键角色： 高精度传感器、低功耗大脑、会预测的AI引擎、以及联网通信员 。它们各司其职，又紧密配合，组成了一个完整的“感知—分析—响应”闭环。

🌡️ 高精度感知：SHT35 温湿度传感器，不是所有“湿度计”都叫SHT35

市面上很多便宜的DHT11/DHT22传感器，标称精度±5%，实际用几个月就开始漂移，密闭空间里根本靠不住。而“小智AI”选用了工业级的 Sensirion SHT35 ，这才是真正靠谱的“环境侦探”。

它的厉害之处在哪？

✅ 精度高达 ±1.5% RH ，比普通传感器高出一个档次；
✅ 响应速度快，8秒内就能捕捉到湿度变化；
✅ 支持加热功能，防止冷凝水干扰读数；
✅ I²C数字输出，抗干扰强，适合长期部署。

代码上手也很简单，核心流程就是三步：发指令 → 等待 → 读数据：

int sht35_read(float *temperature, float *humidity) {
    uint8_t cmd[2] = {0x2C, 0x06};  // 高精度测量模式
    uint8_t data[6];

    i2c_write(SHT35_ADDR, cmd, 2);
    delay_ms(50);  // SHT35需要一点时间完成测量
    i2c_read(SHT35_ADDR, data, 6);

    uint16_t raw_temp = (data[0] << 8) | data[1];
    uint16_t raw_rh   = (data[3] << 8) | data[4];

    *temperature = -45.0f + 175.0f * raw_temp / 65535.0f;
    *humidity    = 100.0f * raw_rh / 65535.0f;

    return 0;
}

💡 实际工程中建议加上CRC校验，避免I²C总线干扰导致数据出错。毕竟在柜子里一装就是一年，稳定性比什么都重要。

⚙️ 低功耗大脑：STM32L432KC，让电池撑过18个月的秘密武器

光有传感器还不够，谁来控制它？谁来做决策？这就是主控MCU的任务了。

“小智AI”选用的是 STM32L432KC —— 一颗基于ARM Cortex-M4内核的超低功耗芯片，特别适合电池供电的物联网设备。

它的亮点很明确：

🔋 运行模式仅 89μA/MHz ，停机模式更是低至 0.7μA
💡 内置浮点单元（FPU），轻松跑通AI算法
📏 QFN32封装，尺寸小巧（7×7mm），节省PCB空间
🧩 丰富外设：双I²C、SPI、USART、RTC……几乎不用外挂其他芯片

为了省电，系统大部分时间都在“睡觉”。靠内部RTC定时器每5分钟唤醒一次，醒来后快速采集数据、做判断，然后立刻进入STOP模式：

void system_low_power_mode(void) {
    HAL_PWR_EnterSTOPMode(PWR_LOWPOWERREGULATOR_ON, PWR_STOPENTRY_WFI);
    SystemClock_Config();  // 唤醒后重新配置时钟
}

🎯 实测平均电流低于15μA，两节AA碱性电池理论续航可达18个月以上！这比那些三个月就得换电池的“伪智能”产品实在多了。

🧠 边缘AI推理：TinyML模型，教会MCU“未卜先知”

如果说传统方案是“看到水才喊救命”，那“小智AI”的聪明之处就在于——它能在 水还没来之前就预判风险 。

怎么做到的？秘密武器就是 TinyML —— 在微控制器上运行轻量级机器学习模型的技术。

我们训练了一个极简的 1层LSTM网络 ，输入过去1小时内的12个湿度采样点（每5分钟一次），输出未来10分钟是否会突破70% RH的风险概率。

比如：
- 衣柜门短暂打开 → 湿度跳到68% → AI识别为“瞬时扰动”→ 不报警 ✅
- 连续阴雨天 → 湿度缓慢爬升 → AI预测即将超标 → 提前告警 ⚠️

整个模型压缩后不到8KB，推理耗时<15ms，在STM32L432KC上跑得飞快：

uint8_t predict_humidity_trend(float history_rh[12]) {
    for (int i = 0; i < 12; i++) {
        input->data.f[i] = history_rh[i];
    }
    interpreter->Invoke();
    return output->data.f[0] > 0.5f ? 1 : 0;  // 输出是否预警
}

🧠 这种“边缘智能”才是真智能——不需要依赖云端，本地就能做判断，响应更快、隐私更安全、断网也不怕。

🌐 联网通信：ESP-01S Wi-Fi模块，打通最后一公里

再聪明的系统，如果不能让你知道，也是白搭。“小智AI”通过 ESP-01S 模块连接家庭Wi-Fi，一旦检测到高湿风险，立即推送告警到手机APP或微信通知。

虽然ESP8266功耗不算低（发射峰值215mA），但因为我们只在必要时才唤醒它上传数据，整体影响可控。

典型的AT指令交互如下：

void send_alert_via_wifi(const char* msg) {
    uart_send("AT+CIPSTART=\"TCP\",\"api.alertservice.com\",80\r\n");
    delay_ms(2000);
    uart_send("AT+CIPSEND=64\r\n");
    delay_ms(500);
    uart_send("POST /alarm HTTP/1.1\r\nHost: api.alertservice.com\r\n");
    uart_send("Content-Length: ");
    uart_send(msg);
    uart_send("\r\n\r\n");
}

🚀 实际项目中可以接入阿里云IoT、Home Assistant 或自建MQTT服务器，实现多设备集中管理。想象一下：家里三个衣柜、鞋柜、储物间全都联网监控，手机一键查看各处湿度状态——这才是智慧生活的模样！

整体架构与工作流：软硬协同，环环相扣

来看看这些模块是如何协同工作的：

graph TD
    A[STM32L432KC MCU] -->|I²C| B[SHT35传感器]
    A -->|UART| C[ESP-01S Wi-Fi]
    A -->|GPIO| D[LED & 蜂鸣器]
    E[RTC定时器] -->|每5分钟唤醒| A
    F[电池3V] --> G[LDO稳压3.3V] --> A & B & C & D

整个工作流程非常清晰：

上电初始化所有外设；
进入低功耗STOP模式，RTC定时唤醒；
醒来后读取SHT35数据，更新历史队列；
运行TinyML模型判断趋势；
若当前超限或预测将超标（如>70% RH）：
- 🔴 点亮红色LED
- 🔊 触发蜂鸣器鸣响10秒
- 📶 激活ESP-01S发送Wi-Fi告警
完成后再次休眠。

整个过程全自动、无人值守，真正做到了“装上去就忘了它，但它一直守护你”。

解决了哪些痛点？真实场景中的价值体现

这套系统可不是为了炫技，而是实实在在解决了几个常见难题：

用户痛点	“小智AI”解决方案
❌ 湿度超标才发现衣服发霉	✅ AI预测+提前告警，防患于未然
❌ 老人听不见无声提示	✅ 声光双重本地告警，确保感知
❌ 多个柜子难统一管理	✅ Wi-Fi联网，支持远程集中监控
❌ 电池寿命短，频繁更换	✅ 超低功耗设计，续航达18个月
❌ 安装复杂，破坏柜体美观	✅ 小型化设计+双面胶/螺丝孔位，即贴即用