AI on the Edge Device：用 ESP32 给传统表盘拍张照，数字就出来了

这个项目在 GitHub 上拿到了 8,470 Star。

它干的事情很具体：拿一个 ESP32-CAM 模块，对准你家的水表、电表、气表拍一张照片，然后用 AI 把表盘上的数字识别出来，直接输出数字化的读数。

1、 解决什么问题

很多老旧的水表、电表、气表还是机械式的，没有联网能力。想把这些数据接入智能家居系统，要么换表，要么手动抄表。换表成本高，手动抄表太麻烦。

这个项目提供了一条中间路线：不换表，加一个小设备就行。

ESP32-CAM 是一块带摄像头的小开发板，尺寸只有 3 x 4.5 厘米，价格不到 10 欧元。把它装在表盘前面，定时拍照，照片交给板载的 TensorFlow Lite 模型做识别，读数就出来了。

2、 工作流程

设备每隔一段时间拍一张表盘照片。拍完之后，程序会从照片里提取出感兴趣区域（ROI），也就是数字所在的那一小块画面。然后把这块画面送进 TFLite 模型做推理，得到每个数字的识别结果。

识别出来的读数有几种输出方式：通过 MQTT 发送到消息队列，写入 InfluxDB 做时序存储，或者通过 REST API 对外提供查询接口。

这三种方式覆盖了主流的智能家居数据接入场景。Home Assistant 用户可以直接集成，不需要额外写代码。

3、 硬件要求

需要的东西不多：一块支持的 ESP32 开发板（带摄像头），一张 SD 卡，一个合适的外壳。

外壳有现成的 3D 打印模型可以下载，水表、电表、气表各有对应的设计。打印出来装上就能用。

首次刷固件需要通过 USB 连接电脑，之后的更新都支持 OTA（空中升级），通过网页界面就能完成。SD 卡的初始化也可以在固件刷完之后自动完成，不需要手动操作。

4、 适合谁用

家里有老式机械表、又想接入智能家居系统的人。不需要编程基础，按照文档一步步操作就行。社区里有大量 YouTube 视频教程，从硬件组装到软件配置都有人录好了。

对于开发者来说，这个项目也是一个不错的边缘计算参考案例。ESP32 算力有限，能在上面跑 TFLite 做实时图像识别，模型优化和工程实现上都有值得学习的地方。

项目用 C++ 写的，代码结构清晰，想二次开发的话门槛不高。

得学习的地方。

项目用 C++ 写的，代码结构清晰，想二次开发的话门槛不高。