若该文为原创文章，转载请注明原文出处。

一、项目背景与意义

火灾是危害公共安全的主要灾害之一。传统火灾报警器通常只依赖单一传感器（烟雾或温度），误报率高，且无法远程监控。随着AI视觉和物联网技术的发展，将图像识别与多传感器融合，再结合云平台，可以实现精准识别、快速响应、远程可视、历史可溯的智能消防系统。

本项目设计了一套增强型智能火焰联动报警与远程监管系统，以STM32F103C8T6为主控，K210通过YOLOv2实现火焰视觉检测，结合MQ-2烟雾传感器和DS18B20温度传感器进行融合判断，通过ESP8266（ESP-01S）接入中国移动OneNet云平台，实现实时数据上报、远程控制、历史记录查询等功能。系统还具备本地声光报警、JQ8900语音播报、OLED信息显示、SD卡日志存储等完整本地交互能力。

---

二、系统总体架构

2.1 系统分层

层级	功能模块	硬件设备
感知层	火焰视觉检测、烟雾浓度采集、温度采集	K210+摄像头、MQ-2、DS18B20
控制层	逻辑决策、外设控制、通信处理	STM32F103C8T6
执行层	声光报警、联动控制、语音播报	蜂鸣器/LED、继电器、JQ8900语音模块
交互层	本地信息显示、按键操作	OLED屏、按键
存储层	报警日志记录	MicroSD卡（SPI接口）
通信层	WiFi联网、数据上报、远程控制	ESP-01S (ESP8266)
云平台	数据展示、历史记录、远程控制	OneNet物联网平台

2.2 系统框图

三、硬件选型与设计

3.1 核心硬件清单

模块	型号	数量	接口	作用
主控MCU	STM32F103C8T6	1	-	系统逻辑核心
AI视觉	正点原子K210 + OV2640	1	UART	火焰YOLO检测，输出置信度
WiFi模块	ESP-01S (ESP8266)	1	UART	连接OneNet，MQTT通信
烟雾传感器	MQ-2	1	ADC	烟雾/可燃气体浓度检测
温度传感器	DS18B20	1	1-Wire	环境温度检测
语音播报	JQ8900 MP3模块	1	UART/触发IO	播放预先存入TF卡的语音文件
OLED显示屏	0.96寸 SSD1306	1	I2C	显示系统状态、传感器数值
MicroSD卡模块	SPI接口	1	SPI	存储报警日志（CSV格式）
有源蜂鸣器	5V	1	GPIO	声音报警
高亮LED	红/蓝双色	1	GPIO	光报警
继电器模块	5V 2路	1	GPIO	控制排烟扇、喷淋电磁阀
按键	轻触开关	3	GPIO	复位/消音、自检、页面切换
电源	5V/2A适配器	1	DC口	系统供电

3.2 引脚连接表（STM32端）

STM32引脚	外设	说明
PA9 (USART1_TX)	K210 (RX)	发送查询指令
PA10 (USART1_RX)	K210 (TX)	接收火焰检测结果
PA2 (USART2_TX)	ESP-01S (RX)	发送AT/MQTT数据
PA3 (USART2_RX)	ESP-01S (TX)	接收WiFi/MQTT数据
PA9 (或其它UART)	JQ8900 (RX)	语音播报控制（若UART复用，可采用IO触发模式）
PB0	蜂鸣器	高电平驱动
PB1	LED（红）	报警指示灯
PB2	LED（蓝）	运行指示灯
PB3	继电器1（排烟）	控制排烟风扇
PB4	继电器2（喷淋）	控制喷淋电磁阀
PB5	KEY1（复位/消音）	输入，下拉
PB6	KEY2（自检）	输入，下拉
PB7	KEY3（页面切换）	输入，下拉
PB8	OLED SCL	I2C时钟
PB9	OLED SDA	I2C数据
PA4	SD_CS	SPI片选
PA5	SD_SCK	SPI时钟
PA6	SD_MISO	SPI主入从出
PA7	SD_MOSI	SPI主出从入
PA0	MQ-2输出	ADC输入
PA1	DS18B20	1-Wire数据

说明：JQ8900支持串口指令播放（如“播放第1首”、“音量调节”等），也可通过IO触发播放指定编号的音频。为节省UART资源，可采用IO触发模式，将JQ8900的触发引脚连接到STM32的GPIO，通过电平脉冲选择播放不同的音频文件（预先烧录到JQ8900的TF卡中）。

四、功能模块详细设计

4.1 火焰视觉检测（K210）

• 模型：YOLOv2，输入尺寸224×224，训练数据集包含火焰和干扰物（如红色灯光、太阳光等），输出两个类别：no（无火）、fire（有火）。

• 通信协议：K210通过UART向STM32发送数据，格式：FIRE:0.87（检测到火焰，置信度0.87）或 NONE（未检测到火焰）。

• 帧率：约10~15 FPS，满足实时性要求。

4.2 多传感器融合与分级报警策略

STM32每200ms采集一次三路数据，综合判断火警等级：

等级	火焰置信度	烟雾浓度（ADC值）	温度（℃）	动作
0（正常）	<0.5	<100	<40	无动作，LED蓝灯闪烁
1（预警）	≥0.5且<0.7	≥100或≥40	≥40	蜂鸣器慢速鸣叫（1Hz），OLED显示“预警”
2（一般火警）	≥0.7	≥200或≥45	≥45	蜂鸣器中速（2Hz），启动排烟继电器，语音播报“请注意，检测到火情”，上报OneNet
3（紧急火警）	≥0.8	≥350或≥60	≥60	蜂鸣器快速（4Hz），启动排烟+喷淋，语音播报“紧急火警，请立即疏散”，上报OneNet紧急事件

4.3 本地人机交互

• OLED显示：默认页面显示实时传感器值、火警等级、WiFi状态；按KEY3可切换至日志查看页面（显示最近5条报警记录）。

• 按键功能：

  • KEY1（短按）：消音/复位当前报警；

  • KEY1（长按3秒）：进入系统自检模式（依次测试蜂鸣器、LED、继电器、语音）；

  • KEY2：手动触发一次模拟火警（用于功能演示）；

  • KEY3：切换OLED显示页面。

4.4 语音播报（JQ8900）

• 音频准备：将语音文件（MP3格式）按序号命名（如001.mp3为“系统启动”、002.mp3为“检测到火情”、003.mp3为“紧急火警，请立即疏散”等）存入JQ8900的TF卡。

• 播放控制：STM32通过IO触发方式，拉低对应的触发引脚（如PLAY1、PLAY2等）即可播放指定音频。若使用串口指令，则通过UART发送“播放第X首”指令。

• 音量调节：可通过指令设定音量大小。

4.5 远程通信与OneNet云平台

• WiFi模块：ESP-01S（AT固件），STM32通过AT指令控制连接WiFi、建立TCP/MQTT连接。

• 协议：MQTT（基于OneNet的MQTT旧版协议）。

• 数据上传格式：JSON格式，包含：

{
  "fire_level": 2,
  "smoke": 250,
  "temp": 42.5,
  "confidence": 0.85,
  "timestamp": 1691234567
}

• 上传触发：火警等级变化时立即上传，正常状态下每30秒上传一次心跳（包含当前传感器数值，等级=0）。

• 下行指令：订阅OneNet的“命令”Topic，可接收：

  • {"cmd":"reset"}：复位报警

  • {"cmd":"fan_on"}：强制启动排烟

  • {"cmd":"fan_off"}：关闭排烟

  • {"cmd":"sprinkler_on"}：启动喷淋

  • {"cmd":"sprinkler_off"}：关闭喷淋

  • {"cmd":"set_threshold","smoke":300,"temp":50}：修改报警阈值

4.7 OneNet平台与历史记录查询

• OneNet产品创建：创建MQTT产品，设备注册后获取设备ID和API密钥。

• 数据流：定义多个数据流（fire_level, smoke, temp, confidence）。

• 可视化：使用OneNet的“可视化”组件创建仪表盘，展示实时数据及历史曲线。

• 历史查询：OneNet默认保存数据流的历史数据（可通过API或控制台查询）。手机APP可通过OneNet官方APP或自定义APP（调用OneNet RESTful API）查询历史记录。

手机APP查询流程：

1. 用户打开APP（或微信小程序）；

2. 调用OneNet API：GET /devices/{device_id}/datapoints?datastream_id=smoke&start=...&end=...

3. 获取指定时间段的历史数据并列表展示，同时可绘制曲线图。

---

五、软件流程

5.1 主程序流程图

系统初始化（时钟、GPIO、UART、I2C、SPI、ADC、1-Wire、FATFS）
加载默认阈值（从SD卡/Flash读取，若不存在则使用默认值）
初始化OLED显示“系统启动”
初始化JQ8900播放“系统启动”语音
ESP-01S初始化（AT测试、连接WiFi、连接OneNet MQTT）
进入主循环：
  1. 读取K210串口数据（非阻塞），更新火焰状态
  2. 读取MQ-2 ADC值 → 滤波 → 换算浓度
  3. 读取DS18B20温度
  4. 综合评估火警等级
  5. 如果等级变化：
       记录日志到SD卡
       触发声光报警（等级对应频率）
       控制继电器（排烟/喷淋）
       播放对应语音
       上传数据到OneNet
  6. 如果等级=0且之前有报警且已持续正常30秒，则自动复位（或等待手动KEY1）
  7. 刷新OLED（每200ms更新数值，按KEY3切换页面）
  8. 检测按键（消音、自检、页面切换）
  9. 处理ESP-01S接收的MQTT消息（解析指令并执行）
  10. 定时（每30秒）上传一次心跳数据（包含所有传感器值）
  11. 延时100ms，循环

5.2 K210端程序（框架）

K210端使用正点原子提供的YOLO例程，仅需修改主循环，通过UART发送检测结果：

# YOLO 火灾检测 - 适配正点原子 K210 (支持 Flash/SD 加载 + 串口输出)
import sensor, image, lcd, time
from maix import KPU
import gc, sys
from machine import UART
from fpioa_manager import fm
from board import board_info

input_size = (224, 224)
labels = ['no', 'fire']
anchors = [6.94, 4.56, 2.44, 2.12, 0.34, 0.41, 0.56, 0.78, 1.34, 1.22]
anchor_num = len(anchors) // 2  # 5

# ========== 配置区域 ==========
USE_FLASH = True                # True=从Flash加载，False=从SD卡加载
MODEL_ADDR = 0x300000           # Flash地址（使用前请确认实际烧录地址）
MODEL_SIZE = 1906856                 # 模型大小（字节），请根据实际文件大小填写
MODEL_PATH = "/sd/model-56191.kmodel"  # SD卡路径

# LCD/摄像头旋转设置（180度）
LCD_ROTATION = 2                # 0:0°, 1:90°, 2:180°, 3:270°
SENSOR_HMIRROR = True           # 水平翻转
SENSOR_VFLIP = True             # 垂直翻转

# YOLO参数
CONFIDENCE_THRESHOLD = 0.5
NMS_THRESHOLD = 0.3
# ================================

def lcd_show_except(e):
    import uio
    err_str = uio.StringIO()
    sys.print_exception(e, err_str)
    err_str = err_str.getvalue()
    img = image.Image(size=input_size)
    img.draw_string(0, 10, err_str, scale=1, color=(0xff,0x00,0x00))
    lcd.display(img)

class Comm:
    def __init__(self, uart):
        self.uart = uart

    def send_detect_result(self, objects, labels):
        """发送检测结果，格式: x:y:w:h:class_id:confidence:label, ..."""
        msg = ""
        for obj in objects:
            x, y, w, h, class_id, confidence = obj
            label = labels[class_id]
            msg += "{}:{}:{}:{}:{}:{:.2f}:{}, ".format(x, y, w, h, class_id, confidence, label)
        if msg:
            msg = msg[:-2] + "\n"   # 去掉末尾空格和逗号，加换行
        self.uart.write(msg.encode())

def init_uart():
    """初始化UART1，优先使用board_info定义的引脚，否则使用固定引脚10/11"""
    try:
        fm.register(board_info.EX_UART1_TX, fm.fpioa.UART1_TX, force=True)
        fm.register(board_info.EX_UART1_RX, fm.fpioa.UART1_RX, force=True)
        uart = UART(UART.UART1, 115200, 8, 0, 0, timeout=1000, read_buf_len=256)
        print("UART1 configured with board_info")
        return uart
    except Exception:
        pass
    fm.register(10, fm.fpioa.UART1_TX, force=True)
    fm.register(11, fm.fpioa.UART1_RX, force=True)
    uart = UART(UART.UART1, 115200, 8, 0, 0, timeout=1000, read_buf_len=256)
    print("UART1 configured with fixed pins (10,11)")
    return uart

def main(anchors, labels=None, model_addr=MODEL_ADDR, model_size=MODEL_SIZE,
         model_path=MODEL_PATH, use_flash=USE_FLASH,
         sensor_window=input_size, lcd_rotation=LCD_ROTATION,
         sensor_hmirror=SENSOR_HMIRROR, sensor_vflip=SENSOR_VFLIP,
         conf_threshold=CONFIDENCE_THRESHOLD, nms_threshold=NMS_THRESHOLD):

    # 1. 初始化传感器
    sensor.reset()
    sensor.set_pixformat(sensor.RGB565)
    sensor.set_framesize(sensor.QVGA)
    sensor.set_windowing(sensor_window)
    sensor.set_hmirror(sensor_hmirror)
    sensor.set_vflip(sensor_vflip)
    sensor.run(1)

    # 2. 初始化LCD
    lcd.init(type=1)
    lcd.rotation(lcd_rotation)
    lcd.clear(lcd.WHITE)

    # 3. 加载标签
    if not labels:
        try:
            with open('labels.txt','r') as f:
                exec(f.read())
        except Exception:
            print("no labels.txt, using default labels")
            labels = ['no', 'fire']
    if not labels:
        print("no labels")
        img = image.Image(size=(320, 240))
        img.draw_string(90, 110, "no labels", color=(255, 0, 0), scale=2)
        lcd.display(img)
        return 1

    # 4. 显示启动画面
    try:
        img = image.Image("startup.jpg")
        lcd.display(img)
    except Exception:
        img = image.Image(size=(320, 240))
        img.draw_string(90, 110, "loading model...", color=(255, 255, 255), scale=2)
        lcd.display(img)

    # 5. 初始化UART
    uart = init_uart()
    comm = Comm(uart)
    print("UART ready, system start...")

    # 6. 创建KPU对象并加载模型
    task = None
    try:
        task = KPU()
        if use_flash:
            print("Loading model from Flash: 0x{:06X}, size: {}".format(model_addr, model_size))
            task.load_kmodel(model_addr, model_size)
        else:
            print("Loading model from SD: {}".format(model_path))
            task.load_kmodel(model_path)
        print("Model loaded successfully!")

        # 7. 初始化YOLO2
        net_w, net_h = sensor_window
        layer_w = net_w // 32
        layer_h = net_h // 32
        print("YOLO2 init: layer_w={}, layer_h={}".format(layer_w, layer_h))
        task.init_yolo2(
            anchors,
            anchor_num=anchor_num,
            img_w=net_w,
            img_h=net_h,
            net_w=net_w,
            net_h=net_h,
            layer_w=layer_w,
            layer_h=layer_h,
            threshold=conf_threshold,
            nms_value=nms_threshold,
            classes=len(labels)
        )
        print("YOLO2 initialized successfully!")

        # 8. 主循环
        while True:
            img = sensor.snapshot()
            t = time.ticks_ms()

            # 推理
            task.run_with_output(img)
            objects = task.regionlayer_yolo2()

            t = time.ticks_ms() - t

            # 绘制检测结果并串口发送
            if objects:
                for obj in objects:
                    x, y, w, h, class_id, confidence = obj
                    # 画框
                    img.draw_rectangle(x, y, w, h, color=(0, 255, 0))
                    # 显示标签和置信度
                    label_text = "{}:{:.2f}".format(labels[class_id], confidence)
                    img.draw_string(x+2, y+2, label_text, scale=2, color=(255, 0, 0))
                # 串口发送
                comm.send_detect_result(objects, labels)

            # 显示FPS等信息
            img.draw_string(0, 200, "t:%dms" % t, scale=2, color=(255, 0, 0))
            img.draw_string(0, 2, "Fire Detector", scale=1.5, color=(0, 255, 255))
            if use_flash:
                load_info = "Flash:0x{:06X}".format(model_addr)
            else:
                load_info = "SD:{}".format(model_path.split('/')[-1])
            img.draw_string(0, 30, load_info, scale=1, color=(128, 128, 128))

            lcd.display(img)
            gc.collect()

    except Exception as e:
        print("Error:", e)
        raise e
    finally:
        if task is not None:
            try:
                task.deinit()
            except Exception:
                pass
        gc.collect()

if __name__ == "__main__":
    try:
        main(anchors=anchors, labels=labels,
             model_addr=MODEL_ADDR,
             model_size=MODEL_SIZE,
             model_path=MODEL_PATH,
             use_flash=USE_FLASH,
             sensor_window=input_size,
             lcd_rotation=LCD_ROTATION,
             sensor_hmirror=SENSOR_HMIRROR,
             sensor_vflip=SENSOR_VFLIP)
    except Exception as e:
        sys.print_exception(e)
        lcd_show_except(e)
    finally:
        gc.collect()

5.3 OneNet平台配置简要步骤

1. 登录OneNet平台，创建“MQTT”产品；

2. 注册设备，获取设备ID、鉴权信息（API Key）；

3. 在设备详情中创建多个数据流（fire_level, smoke, temp, confidence）；

4. 下载OneNet提供的MQTT接入示例，根据文档修改clientId、username、password等参数；

5. 编写STM32端MQTT封装代码（参考OneNet官方C SDK或使用AT指令+自定义封装）；

6. 开发手机APP（可使用OneNet官方APP直接绑定设备，或基于API开发微信小程序）。

---

六、项目实施步骤

阶段	任务	时间估算
硬件搭建	焊接/插接各模块，检查供电和连接	1天
驱动调试	分别调试各外设（OLED、SD卡、传感器、语音等）	2天
K210模型烧录与通信	将火焰检测模型烧录到K210，调试UART数据格式	1天
STM32逻辑开发	实现主状态机、融合算法、本地交互	3天
ESP-01S网络通信	实现AT指令控制、MQTT连接、数据收发	2天
OneNet平台配置	创建产品、设备、数据流，测试数据上传	1天
APP历史查询	调用OneNet API开发简易查询页面	2天
系统联调与优化	联合调试，调整阈值，测试稳定性	2天

---

七、创新点与技术特色

1. 视觉-传感融合：将AI视觉与常规传感器结合，提高了火灾识别的准确性和抗干扰能力。

2. 分级报警机制：不同风险等级对应不同响应策略，避免单一报警导致的过度反应或漏报。

3. 语音交互：JQ8900语音播报让报警信息更直观，适用于嘈杂环境。

4. 低成本、易部署：所有硬件模块均为市面常见型号，成本低廉，可快速复制。

---

八、项目展示效果

• 本地端：OLED实时显示传感器数值和系统状态；报警时蜂鸣器LED声光齐鸣，继电器动作，语音播报。

• 云端端：OneNet平台显示实时数据曲线，历史报警事件可查询；手机APP可随时查看设备状态和报警记录。

• 远程控制：管理员可通过APP下发指令，实现远程复位、启停排烟喷淋等操作

九、常见问题与解决

问题	可能原因	解决方法
K210不发送数据	串口波特率不匹配或接线错误	检查波特率（115200）和TX/RX交叉连接
ESP-01S连接WiFi失败	SSID/密码错误或信号弱	检查AT指令，靠近路由器测试
语音不播报	JQ8900供电不足或音频文件格式不对	确保5V供电，音频为MP3格式，命名正确
SD卡写入失败	初始化失败或文件系统未格式化	确保SD卡为FAT32格式，检查SPI接线
OneNet连接超时	MQTT参数错误或网络延迟	确认设备ID和API Key正确，检查防火墙

---

十、总结与展望

本项目实现了从火焰检测到本地联动、云端监控的全链路智能消防系统。通过引入AI视觉和多传感器融合，有效降低了误报率；结合OneNet云平台，实现了远程监管和历史数据追溯。未来可进一步扩展功能：

• 增加人脸识别，实现报警时抓拍现场图片并上传；

• 接入多个K210摄像头，实现多区域监控；

• 增加GPS定位，支持移动式火情追踪；

• 采用低功耗设计，适配野外或无人值守场景。

如有侵权，或需要完整代码，请及时联系博主。