基于行空板与MPX5010DP传感器的肺活量测量仪制作全解析-平芜编程栈

1. 项目缘起：从“吹气球”到“测肺活量”的硬件启蒙

记得我刚开始接触创客教育时，给学生们讲传感器，最头疼的就是如何把抽象的“模拟量输入”、“电压值”这些概念讲得生动有趣。直到有一次，一个学生问我：“老师，我们体育课测肺活量，那个机器是怎么知道我们吹了多少气的？” 这个问题一下子点醒了我。对啊，肺活量测量不就是最经典的“力/压力传感器”应用场景吗？它离学生的生活足够近，原理又足够直观——你吹气，产生压力，传感器感知压力，单片机换算成体积。这简直是为图形化编程和开源硬件入门量身定做的绝佳项目。

于是，就有了今天这个基于行空板的“肺活量测量仪”项目。它不仅仅是一个简单的玩具，更是一个完整的微型工程实践。你将亲手搭建一个包含传感器、核心控制器、用户交互界面的完整系统。通过这个项目，你会深刻理解模拟传感器的工作原理、数据采集与处理的基本流程、以及如何将物理信号转化为有意义的用户信息。对于初学者而言，完成这个项目，意味着你跨过了“点亮LED”的玩具阶段，正式踏入了“用硬件解决实际问题”的创客大门。

行空板作为一款集成度高、上手简单的开源硬件，自带屏幕和丰富的接口，完美契合这个项目。我们无需额外焊接，用几条Gravity标准的PH2.0连接线就能快速搭建。整个项目的核心，就在于理解那个小小的压力传感器如何工作，以及我们如何编写程序（无论是图形化还是Python）去“读懂”它。

2. 硬件选型与连接：为什么是MPX5010DP？

工欲善其事，必先利其器。做一个测量仪，传感器的选择是成败的关键。市面上压力传感器很多，为什么这个项目推荐使用MPX5010DP？这背后有一系列工程化的考量。

2.1 核心传感器：MPX5010DP压力传感器详解

MPX5010DP是一款非常经典的差分压阻式压力传感器。我们来拆解一下这个名字和它的关键参数：

MPX：这是厂商（NXP）的系列代号。
5010：关键参数，代表其量程为0-10 kPa（千帕斯卡）。1 kPa约等于10厘米水柱的压力。一个普通成年人全力吹气，在导管末端产生的压力通常在2-6 kPa之间，所以10kPa的量程留有充足余量，既不会轻易超量程，也能保证在有效量程内有较好的分辨率。
DP：表示“差分端口”（Differential Port）。它有两个气压端口（P1和P2），测量的是两个端口之间的压力差。在我们的应用中，一个端口接吹气口（正压），另一个端口通大气（参考压力），这样传感器输出的就是吹气产生的净压力。

它的输出是模拟电压信号，供电电压（Vcc）为5V，在没有压力差时，输出（Vout）约为0.5V；在满量程10kPa时，输出约为4.5V。这个0.5V ~ 4.5V的线性输出范围，正是我们计算压力的依据。

注意：务必确认你拿到的是MPX5010DP（0-10kPa），而不是MPX5050DP（0-50kPa）。后者量程太大，用于测肺活量时，电压变化范围会很小，测量精度会严重下降。

2.2 硬件清单与连接图

除了核心传感器，我们还需要以下组件，所有组件均选用DFRobot的Gravity系列，可以免焊接直接连接：

行空板（UNIHIKER） x1：项目主控，自带屏幕用于显示。
MPX5010DP 压力传感器 x1：核心测量单元。
Gravity：数字食人鱼红色LED模块 x1：作为“准备就绪”或“开始测量”的指示灯。
Gravity：数字大按钮模块 x1：用于开始测量或重置。
Gravity-3P 传感器连接线 x2：连接按钮和LED。
Gravity-4P 传感器连接线 x1：连接压力传感器（因其需要VCC, GND, Vout三线）。
硅胶管（内径6mm）及吹嘴 x1套：用于引导气流，连接传感器压力端口。

连接步骤如下，务必在行空板断电状态下操作：

模块	连接线	连接到行空板引脚	说明
MPX5010DP 传感器	4P线（黑-红-蓝-黄）	P21(Pin1:VCC, Pin2:GND, Pin3:NC, Pin4:Vout)	我们只用到VCC(红)、GND(黑)、Vout(黄)。蓝色线悬空不接。行空板的P21口直接提供5V输出和ADC输入。
数字大按钮模块	3P线（黑-红-黄）	P22(Pin1:GND, Pin2:VCC, Pin3:SIG)	黄色信号线接行空板P22的SIG脚，用于检测按钮按下。
数字食人鱼LED模块	3P线（黑-红-绿）	P23(Pin1:GND, Pin2:VCC, Pin3:SIG)	绿色信号线接行空板P23的SIG脚，用于控制LED亮灭。

硬件连接的核心逻辑：压力传感器是模拟输入，所以我们把它连接到行空板带有ADC（模数转换器）功能的引脚P21上。按钮和LED是简单的数字输入输出，连接到普通的GPIO口P22和P23即可。行空板内部的3.3V/5V电源管理做得很好，这些Gravity模块可以直接取电，无需额外电源。

2.3 气路组装的关键细节

硬件连接简单，但气路组装却是个容易踩坑的地方，直接影响测量准确度。

密封性：硅胶管与传感器压力端口的连接必须紧密。可以用一小段扎带轻轻箍紧，防止漏气。漏气会导致压力上升缓慢或根本达不到真实值，测量结果严重偏低。
传感器保护： MPX5010DP虽然坚固，但它的感应膜片非常精密。绝对禁止将水、唾液吹入传感器。务必确保吹嘴与导管连接处高于传感器，并在使用前提醒“测量者”先吐掉口水，轻轻吹气。可以在导管中段加入一个“防水过滤器”或简单的海绵块作为缓冲，这是在实际教学中保护设备的宝贵经验。
参考端口：传感器上标有“P1”的端口是正压端，接吹气管。另一个端口通常是通大气的参考端，确保其不被堵塞即可。

3. 原理与算法：电压值如何变成肺活量毫升数？

硬件搭建完毕，我们面对的核心问题就是：行空板从P21引脚读到一个0.5V到4.5V之间变化的电压值，我们如何将它转换为以“毫升”为单位的肺活量？这个过程包含了传感器标定、物理公式应用和程序设计。

3.1 从电压到压力：传感器的线性转换

MPX5010DP的转换是线性的，这是最关键的一点。我们知道两个点：

点A: 压力=0 kPa时，电压 V0 = 0.5V
点B: 压力=10 kPa时，电压 V10 = 4.5V

那么，当读到一个电压值V_adc(单位：V) 时，对应的压力P(单位：kPa) 可以通过线性方程计算：P = (V_adc - V0) / (V10 - V0) * 10简化后：P = (V_adc - 0.5) / 4.0 * 10 = (V_adc - 0.5) * 2.5

但是，行空板ADC读到的不是以“伏特”为单位的电压值，而是一个0-4095之间的数字（因为它是12位ADC，2^12=4096）。行空板的工作电压是3.3V，但传感器输出最大4.5V，会不会有问题？不会，因为行空板的ADC引脚耐压通常是5V，且测量范围可以通过程序设置。在行空板的图形化或Python环境中，我们通常直接读取到一个0-1之间的浮点数，代表占满量程（默认3.3V）的百分比。

这里需要一个标定步骤来建立ADC读数与真实电压的关系：

不吹气时，读取ADC值，记为adc0，对应0.5V。
施加一个已知压力（或用口轻轻恒压吹气），读取ADC值，记为adc1。不过，行空板的Pinpong库通常已经做了封装，我们也可以直接使用其模拟读数的相对值。更实用的方法是采用相对计算法，避开绝对电压换算的麻烦。

3.2 从压力到体积：理想气体定律的简化应用

这是本项目的物理核心。我们把吹气过程简化：一口气吹入一个密闭的软管和传感器腔体（体积固定，设为V_cavity），使其压力升高。根据玻意耳定律（温度不变时），压力与体积成反比。

设：

P_atm：大气压强，约101.325 kPa（作为一个基准，计算相对压力时可简化处理）。
P_cavity：吹气后腔体内的绝对压强，等于大气压+测量压差，即P_atm + P。
V_lung：我们想要测量的肺活量（从肺部呼出的气体体积）。
V_cavity：测量仪管路和传感器内部的固定容积（这是一个需要标定的常数）。

吹气前，肺部气体体积为V_lung，压强为P_atm。吹气后，这部分气体进入了测量腔体，体积变为V_cavity，压强变为P_cavity。根据玻意耳定律：P_atm * V_lung = P_cavity * V_cavity

因此，V_lung = (P_cavity / P_atm) * V_cavity = ( (P_atm + P) / P_atm ) * V_cavity = (1 + P / P_atm) * V_cavity

由于P_atm远大于P（吹气压力P通常只有几个kPa），这个公式可以直观理解为：吹气产生的额外压力P占大气压的比例，再乘以腔体固定容积，就是吹出的气体体积。

关键来了：V_cavity怎么得到？我们需要一次容积标定。用一个已知容积的大号注射器（例如500mL），缓慢将其空气全部推入测量仪，记录下此时稳定的压力值P_cal。由于注射器推入的体积V_cal是已知的，根据公式：V_cal = (1 + P_cal / P_atm) * V_cavity可以反推出V_cavity = V_cal / (1 + P_cal / P_atm)

得到V_cavity这个常数后，以后任何一次测量，只需要读取稳定的压力P，代入公式V_lung = (1 + P / P_atm) * V_cavity，就能算出肺活量。

实操心得：在实际操作中，P_atm可以取近似值101.3 kPa。V_cavity的标定至关重要，建议重复多次取平均值。标定用的注射器推入速度要慢，让压力有足够时间稳定并读取。

3.3 数据处理：峰值检测与稳定判断

人在吹气时，压力是快速上升然后缓慢下降的。我们需要的不是瞬时值，而是本次吹气达到的稳定峰值压力。这就需要在程序里实现一个简单的状态机和滤波算法。

状态机设计：程序应有“待机”、“测量中”、“完成”三个状态。由按钮触发从“待机”进入“测量中”，在“测量中”状态持续采样压力。
峰值保持：在“测量中”状态，持续比较当前压力采样值与历史最大值，不断更新峰值。
结束判断：如何知道用户吹完了？一个简单有效的策略是：当检测到压力值从峰值下降，并持续低于峰值的80%超过1秒钟，则认为吹气结束，将当前保持的峰值作为本次测量的有效压力值P。
软件滤波： ADC采样会有微小抖动。可以采用“滑动平均滤波”，即连续读取5-10个值，求平均作为一个采样点，能有效平滑曲线，避免毛刺。

4. 图形化编程实现：积木逻辑拆解

对于初学者，行空板配套的Mind+图形化编程环境是绝佳的起点。我们不用写一句代码，通过拖拽积木就能实现整个逻辑。下面我们分模块构建程序。

4.1 初始化与全局变量设置

首先，我们需要创建程序运行所需的“零件”和“记录本”。

初始化行空板：使用“当行空板启动时”积木。
创建变量：
- 测量状态：文本型，用于记录“待机”、“测量中”、“完成”。
- 当前压力：数字型，存储经过滤波的实时压力值（单位kPa）。
- 峰值压力：数字型，记录本次吹气的最高压力。
- 腔体容积：数字型，存放标定得到的常数V_cavity（单位mL）。例如，标定后算出是45，就在这里设置。
- 肺活量结果：数字型，计算出的最终结果。
组件初始化：
- 设置LED引脚(P23)为输出模式，并初始化为熄灭。
- 设置按钮引脚(P22)为输入模式，并启用上拉电阻（行空板通常默认启用）。
- 设置屏幕显示初始界面，比如标题“肺活量测量仪”，以及“准备就绪”的提示。

4.2 主循环与状态机控制

程序的核心是一个“永远循环”的积木，里面包含状态判断。

状态“待机”：
- 让LED缓慢闪烁（亮0.5秒，灭0.5秒），提示系统就绪，等待开始。
- 持续检测按钮是否被按下。如果按下，则将测量状态设为“测量中”，峰值压力清零，LED变为常亮（提示开始吹气），并在屏幕上显示“请吹气！”。
状态“测量中”：
- 在循环中，持续读取模拟引脚P21的值。注意，行空板图形化中，模拟读取积木返回的是0-1之间的浮点数。我们需要根据之前提到的公式换算成电压，再换算成压力。
  - 假设adc_value是读取值（0-1）。行空板ADC参考电压是3.3V，但传感器输出可能超过3.3V。更稳妥的方法是使用之前提到的相对计算法。我们假设adc_value与电压成线性关系。
  - 计算压力P：P = (adc_value - adc_zero) * pressure_scale。
  - 其中adc_zero是不吹气时的基准读数（需要程序开始时校准一次并记录）。pressure_scale是比例系数，需要通过标定注射器已知体积来反算得出。这步替代了复杂的绝对电压换算。
- 将计算出的当前压力与峰值压力比较，如果更大，则更新峰值压力。
- 在屏幕上实时绘制压力曲线或显示当前压力数值，增加交互感。
- 实现结束判断：创建一个变量下降计时器。如果当前压力 < 峰值压力 * 0.8，则下降计时器增加循环间隔时间（如0.1秒）。一旦下降计时器 > 1.0秒，则认为吹气结束，进入“完成”状态。如果压力回升，则清零下降计时器。
状态“完成”：
- LED熄灭或变为另一种闪烁模式（例如快闪两次）。
- 将最终的峰值压力代入公式肺活量结果 = (1 + 峰值压力 / 101.3) * 腔体容积进行计算。
- 在屏幕上醒目地显示计算结果，例如“您的肺活量为：XXXX mL”。
- 等待一段时间（如5秒）或等待按钮再次被按下，然后重置所有变量，状态跳转回“待机”。

4.3 标定功能的集成

一个专业的测量仪应该具备标定功能。我们可以设计一个“标定模式”，通过长按按钮（如按住3秒）进入。

在标定模式下，屏幕提示“请连接注射器并推入500mL空气”。
程序记录下稳定时的压力读数P_cal。
根据公式腔体容积 = 500 / (1 + P_cal / 101.3)自动计算并更新腔体容积变量。
将计算出的腔体容积显示在屏幕上，并保存到行空板的文件系统中（使用“写入文件”积木），这样下次开机无需重新标定。

5. Python代码进阶：从图形化到文本编程

图形化编程直观，但想要更灵活的控制、更复杂的算法或更高的性能，过渡到Python是必然。行空板原生支持Python，使用Pinpong库控制硬件。下面是用Python实现核心逻辑的代码解析。

5.1 环境搭建与库导入

首先确保行空板连接到网络，并通过SSH或Web终端访问。核心库是pinpong和unihiker（用于屏幕GUI）。

import time from pinpong.board import Board, Pin, ADC # 控制引脚和ADC from unihiker import GUI # 控制屏幕显示 import math # 初始化 Board().begin() gui = GUI() # 引脚定义 adc_pin = ADC(Pin.P21) # 压力传感器，模拟输入 button = Pin(Pin.P22, Pin.IN) # 按钮，数字输入 led = Pin(Pin.P23, Pin.OUT) # LED，数字输出 # 全局变量 STATE_IDLE = 0 STATE_MEASURING = 1 STATE_DONE = 2 current_state = STATE_IDLE peak_pressure = 0.0 current_pressure = 0.0 v_cavity = 45.0 # 单位：mL， 这是标定后的容积常数，需要根据实际标定修改 lung_capacity = 0.0 decline_timer = 0.0 # 标定参数 adc_zero = 0.0 # ADC零点读数（不吹气时） pressure_scale = 1.0 # ADC读数到压力(kPa)的换算系数

5.2 数据采集与滤波函数

在Python中，我们可以实现更精细的滤波算法。

def read_pressure_filtered(samples=10): """读取并滤波后的压力值（单位：kPa）""" adc_sum = 0.0 for _ in range(samples): # pinpong的ADC.read()返回0-4095的整数，需转换为电压或比例 # 行空板ADC参考电压3.3V，但传感器输出可能到4.5V。 # 我们采用比例法，假设adc_read / 4095 与 实际电压/参考电压 成比例。 adc_raw = adc_pin.read() adc_sum += adc_raw adc_avg = adc_sum / samples # 关键转换：将ADC平均值转换为压力 # 假设我们已经通过标定得到了 adc_zero 和 pressure_scale pressure = (adc_avg - adc_zero) * pressure_scale # 确保压力不为负 return max(pressure, 0.0) def calibrate_sensor(): """传感器标定函数，需在无压力时运行一次""" global adc_zero, pressure_scale print("正在进行传感器零点校准，请勿施加压力...") time.sleep(2) zero_readings = [] for _ in range(100): zero_readings.append(adc_pin.read()) time.sleep(0.01) adc_zero = sum(zero_readings) / len(zero_readings) print(f"零点ADC值校准为: {adc_zero}") # 比例系数校准需要已知体积的注射器 # 这里假设通过500mL注射器标定后，计算得到pressure_scale为0.0025 # 实际项目中，这部分逻辑可以做成一个交互式标定流程 pressure_scale = 0.0025 # 示例值，单位 kPa/ADC print("传感器校准完成。")

5.3 主状态机与事件循环

这是程序的大脑，负责调度所有功能。

def state_idle(): global current_state led.write_digital(0) # LED熄灭 gui.clear() # 清屏 gui.draw_text(text="肺活量测量仪", x=120, y=30, font_size=20, color="blue") gui.draw_text(text="按按钮开始测量", x=100, y=80, font_size=16) # 按钮检测 if button.read_digital() == 0: # 假设按钮按下为低电平 time.sleep(0.05) # 消抖 if button.read_digital() == 0: current_state = STATE_MEASURING print("进入测量状态") def state_measuring(): global current_state, peak_pressure, current_pressure, decline_timer led.write_digital(1) # LED常亮，提示吹气 gui.clear() gui.draw_text(text="正在测量... 请持续吹气", x=80, y=50, font_size=18) # 初始化测量变量 peak_pressure = 0.0 decline_timer = 0.0 start_time = time.time() while current_state == STATE_MEASURING: # 1. 读取当前压力 current_pressure = read_pressure_filtered() # 2. 更新峰值 if current_pressure > peak_pressure: peak_pressure = current_pressure decline_timer = 0.0 # 刷新下降计时器 # 3. 判断是否结束吹气 if current_pressure < peak_pressure * 0.8: decline_timer += 0.1 # 假设循环周期约0.1秒 else: decline_timer = 0.0 # 4. 实时显示 gui.draw_text(text=f"当前压力: {current_pressure:.2f} kPa", x=50, y=100, font_size=16, refresh=False) gui.draw_text(text=f"峰值压力: {peak_pressure:.2f} kPa", x=50, y=130, font_size=16, refresh=True) # 刷新峰值显示 # 5. 结束条件判断 if decline_timer > 1.0: # 低于峰值80%持续1秒 current_state = STATE_DONE print(f"吹气结束，峰值压力: {peak_pressure:.2f} kPa") # 6. 超时判断（例如超过10秒自动结束） if time.time() - start_time > 10: current_state = STATE_DONE print("测量超时") time.sleep(0.1) # 主循环延迟 def state_done(): global current_state, lung_capacity led.write_digital(0) # 计算肺活量 lung_capacity = (1 + peak_pressure / 101.3) * v_cavity gui.clear() gui.draw_text(text="测量完成！", x=120, y=50, font_size=22, color="green") gui.draw_text(text=f"峰值压力: {peak_pressure:.2f} kPa", x=80, y=100, font_size=18) gui.draw_text(text=f"肺活量: {lung_capacity:.0f} mL", x=90, y=150, font_size=24, color="red") print(f"计算肺活量: {lung_capacity:.0f} mL") time.sleep(5) # 结果显示5秒 current_state = STATE_IDLE # 自动返回待机状态 # 主循环 if __name__ == "__main__": calibrate_sensor() # 启动时校准一次 while True: if current_state == STATE_IDLE: state_idle() elif current_state == STATE_MEASURING: state_measuring() elif current_state == STATE_DONE: state_done() time.sleep(0.05) # 全局循环延迟

这段Python代码结构清晰，将不同状态封装成函数，在主循环中调度。它实现了图形化编程的所有核心功能，并且更易于调试和扩展（例如添加数据记录、联网上传等功能）。

6. 标定、调试与优化：让测量值可信

项目做到这里，硬件软件都通了，但测出来的数值准不准？这才是考验。没有标定的测量仪只是一个玩具。

6.1 分步标定实战流程

标定是赋予测量仪“灵魂”的一步。你需要一个标准容器——大号注射器（500mL或1000mL最佳）和一个稳定的气源（或者就用嘴，但一致性差）。

第一步：硬件零点校准
- 确保传感器两个端口都通大气（即不连接任何管子，或连接一根两端开口的管子）。
- 运行程序中的calibrate_sensor()函数，或图形化程序中对应的“零点校准”模块。
- 程序会连续采样一段时间，计算平均ADC值作为adc_zero。记录下这个值。
第二步：容积常数V_cavity标定（这是最关键的）
- 将注射器与测量仪的吹气口紧密连接。
- 确保整个系统密闭！这是成功的关键。可以用橡皮泥或热熔胶临时密封接口。
- 在程序“待机”状态下，将注射器活塞拉到最大容积（如500mL刻度）。
- 启动“标定模式”（如长按按钮），程序提示后，缓慢、匀速地将注射器活塞推到底。这个“缓慢”很重要，太快会产生动态压力，读数不准。
- 观察程序读取到的稳定压力值P_cal。记录它。
- 根据公式V_cavity = V_cal / (1 + P_cal / P_atm)计算。例如，使用500mL注射器，测得P_cal = 2.0 kPa，大气压取101.3 kPa，则V_cavity = 500 / (1 + 2.0/101.3) ≈ 490.2 mL。
- 将这个V_cavity值更新到程序的变量中。
第三步：验证与微调
- 用同一个注射器，再次推入500mL空气，看程序计算出的体积是否接近500mL。如果有偏差，可以微调pressure_scale或V_cavity值，进行迭代校准。

6.2 常见问题排查（踩坑记录）

问题1：读数乱跳，不稳定。
- 检查电源：确保行空板供电充足（最好用原装电源适配器）。电压不稳会导致ADC基准波动。
- 检查连接：重新插拔传感器连接线，确保接触良好。
- 软件滤波：增加滑动平均的采样点数（如从5次增加到20次）。
- 远离干扰源：让传感器导线远离电机、继电器等大电流设备。
问题2：测量值明显偏小。
- 首要怀疑漏气：这是最常见的原因。仔细检查所有硅胶管连接处、传感器端口、吹嘴接口。涂点肥皂水，看是否有气泡产生。
- 吹气时间太短：程序可能过早判断结束。调整“结束判断”的阈值和持续时间，比如从“低于峰值80%持续1秒”改为“低于峰值70%持续1.5秒”。
- 标定不准：重新进行容积标定，确保推注射器时速度足够慢，系统完全密闭。
问题3：LED或按钮不响应。
- 检查引脚号：确认代码中的引脚编号（P21, P22, P23）与实际连接一致。
- 检查引脚模式：确认LED引脚设置为输出，按钮引脚设置为输入且启用上拉。
- 电压匹配： Gravity模块是5V逻辑，但行空板GPIO是3.3V。幸运的是，数字输入在3.3V系统下识别5V高电平通常没问题，输出3.3V也能驱动5V的LED。如果遇到问题，可以尝试在按钮信号线和地之间加一个1kΩ的下拉电阻（但行空板内部可能有上拉，需根据实际情况调整）。

6.3 项目优化与扩展思路

一个基础版本完成后，你可以考虑以下方向进行升级，这会让你的项目从“作业”变成“作品”：

数据可视化升级：利用行空板的大屏幕，在测量时绘制实时的压力-时间曲线，就像真正的医疗设备一样。
多用户管理与历史记录：增加输入姓名功能，将每次测量的结果（姓名、时间、肺活量值）保存到CSV文件或简单的数据库中。甚至可以做一个排行榜界面。
无线数据传输：利用行空板的Wi-Fi功能，将测量数据实时发送到云端服务器（如ThingsBoard、EasyIoT）或手机App，实现远程监控和数据收集。
声音与语音提示：结合行空板的音频输出功能，在开始、吹气、结束时添加不同的提示音，甚至用TTS语音播报结果。
提高精度：尝试使用更高精度的16位ADC模块（如ADS1115）来替代板载ADC，并对传感器进行温度补偿（如果环境温度变化大的话）。

这个肺活量测量仪项目，从硬件连接到物理原理，从图形化编程到Python代码，从基础功能到标定调试，几乎涵盖了一个嵌入式入门项目的全流程。它教会你的不只是一个仪器的制作方法，更是一套解决问题的工程化思维：定义问题、分解模块、选型搭建、编程实现、测试标定、迭代优化。当你看到屏幕上显示出那个自己测出的、经过严谨计算得来的毫升数时，那种通过双手将想法变为现实的成就感，正是创客精神的精髓所在。