基于树莓派与多传感器搭建低成本空气质量监测系统

1. 项目缘起：为什么要在树莓派上折腾空气质量监测？

几年前，我因为家里新装修，对室内空气质量特别上心。市面上的专业检测仪要么价格昂贵，要么功能单一，数据还只能存在设备里，没法远程查看。当时手头正好有几个闲置的树莓派，一个想法就冒了出来：能不能用树莓派自己搭一个空气质量监测站？它应该能实时监测多种参数，数据能存下来做长期分析，最好还能通过网页或者手机随时查看，成本还得可控。

这个想法驱动我开始了这个“树莓派空气质量监测器”的项目。经过几轮迭代，它现在已经能稳定监测PM2.5、PM10、温湿度、二氧化碳（CO2）和总挥发性有机物（TVOC）等多个关键指标。整个系统搭建下来，硬件成本可以控制在几百元以内，远低于市面上的多合一商用设备，更重要的是，你获得了数据的完全掌控权和无限的定制可能。无论是放在书房、客厅，还是办公室、工作坊，它都能为你提供一份关于呼吸环境的“数据报告”。

2. 核心传感器选型与硬件连接方案

搭建监测器的第一步，也是最重要的一步，就是选择靠谱的传感器。空气质量包含的指标很多，我们需要根据关注点来组合传感器。下面是我经过实际测试和筛选后，推荐的一套高性价比、易集成的方案。

2.1 传感器模块详解

1. PMS5003ST 激光粉尘传感器这是整个系统的核心，用于监测PM2.5和PM10。我选择PMS5003ST而不仅仅是PMS5003，是因为它集成了温湿度传感器，一举两得。它采用激光散射原理，精度和响应速度对于家庭环境来说完全足够。其UART（串口）输出方式，使得与树莓派的连接非常直接。

2. SCD30 二氧化碳传感器室内CO2浓度是衡量通风状况和人员密集度的关键指标，浓度过高会直接导致困倦、注意力下降。SCD30采用NDIR（非分散红外）技术，是目前民用级精度和稳定性最好的CO2传感器之一。它通过I2C接口通信，功耗和体积都控制得很好。

3. SGP30 气体传感器这款传感器用于检测TVOC（总挥发性有机物）和等效二氧化碳（eCO2）。TVOC涵盖了甲醛、苯等多种有害气体，是衡量装修污染和化学品挥发的重要综合指标。SGP30同样使用I2C接口，它内部有强大的算法和自动基线校准功能，能提供相对可靠的趋势数据。

注意：SGP30检测的是TVOC总量和基于VOC推算的eCO2，其eCO2值在通风良好的环境下可能与SCD30测得的真实CO2有差异。两者配合使用，SCD30看真实CO2，SGP30看有机污染物，信息更全面。

4. BME280 温湿度气压传感器（可选）如果你选用的是不带温湿度的PMS5003，那么就需要额外增加一个温湿度传感器。BME280精度高，还附带气压测量，性价比突出。如果已经用了PMS5003ST，这个传感器可以省去。

2.2 硬件连接与供电考量

树莓派的GPIO引脚有限，需要合理规划。我推荐使用树莓派4B或更新的型号，它们的处理能力和接口都更充裕。连接示意图如下：

传感器模块	接口类型	树莓派 GPIO 引脚	功能说明
PMS5003ST	UART (TX/RX)	GPIO 14 (TX), GPIO 15 (RX)	串口通信，接收颗粒物及温湿度数据
SCD30	I2C (SDA/SCL)	GPIO 2 (SDA), GPIO 3 (SCL)	I2C通信，需外部上拉电阻（通常模块已集成）
SGP30	I2C (SDA/SCL)	GPIO 2 (SDA), GPIO 3 (SCL)	与SCD30共享I2C总线，地址不同，可并联
BME280 (可选)	I2C (SDA/SCL)	GPIO 2 (SDA), GPIO 3 (SCL)	共享I2C总线

实际接线操作要点：

1. 电源统一：所有传感器和树莓派最好由一个稳定的5V/2A以上的电源适配器供电。避免使用树莓派USB口为多个传感器供电，可能导致电压不稳或电流不足。
2. 电平转换：PMS5003ST的工作电压是5V，而树莓派GPIO的逻辑电平是3.3V。虽然很多经验表明其TX输出信号（3.3V）可以直接连接树莓派的RX（3.3V耐受），但为了绝对安全，建议使用一个简单的电平转换模块（如TXS0108E）或分压电路，保护树莓派昂贵的核心板。
3. I2C总线：SCD30、SGP30、BME280可以并联在同一组I2C总线上（SDA和SCL）。每个设备都有唯一的I2C地址，不会冲突。接线时确保SDA和SCL线路上各有1个4.7kΩ的上拉电阻到3.3V（大多数传感器模块板载了这些电阻，如果连接多个设备后通信不稳定，可以检查或添加上拉电阻）。
4. 物理固定：粉尘传感器需要空气流通，不要把它完全密封在盒子里。可以设计一个带有通风孔的外壳，同时防止大的异物进入。其他气体传感器也应避免被直接风吹或阳光直射。

3. 系统软件环境搭建与驱动配置

硬件连接好后，我们需要在树莓派上构建一个能够读取所有传感器、处理数据并可能提供服务的软件环境。我选择使用Python作为主控语言，因为它有丰富的库支持，开发效率高。

3.1 操作系统与基础设置

首先，为树莓派安装最新的Raspberry Pi OS Lite（无桌面版）或带有桌面的版本。安装完成后，进行基础配置：

# 更新系统 sudo apt update && sudo apt upgrade -y # 启用I2C和串口接口 sudo raspi-config

在raspi-config工具中，依次找到：

• Interface Options->I2C-> 选择Yes启用。
• Interface Options->Serial Port-> 当询问“是否要登录shell通过串口访问？”时，选择No；然后询问“是否启用串口硬件？”时，选择Yes。这样我们禁用了串口控制台，释放了GPIO14/15供PMS5003ST使用。

重启树莓派使设置生效。

3.2 Python环境与核心库安装

建议使用虚拟环境来管理项目依赖，避免污染系统Python环境。

# 安装Python3虚拟环境工具 sudo apt install python3-venv python3-pip -y # 创建项目目录并进入 mkdir ~/air_quality_monitor && cd ~/air_quality_monitor # 创建虚拟环境 python3 -m venv venv # 激活虚拟环境 source venv/bin/activate # 激活后，命令行提示符前会出现 (venv) # 安装核心Python库 pip install pyserial # 用于串口通信，读取PMS5003ST pip install smbus2 # 用于I2C通信，比smbus更活跃 pip install adafruit-circuitpython-scd30 # SCD30官方库 pip install adafruit-circuitpython-sgp30 # SGP30官方库 pip install adafruit-circuitpython-bme280 # BME280库（如选用） pip install pandas # 用于数据结构化处理和存储 pip install flask # 用于创建简单的Web数据接口（可选）

3.3 传感器驱动与数据读取脚本

接下来，我们编写一个Python脚本，来测试并读取所有传感器的数据。这个脚本将是后续所有功能的基础。

#!/usr/bin/env python3 # -*- coding: utf-8 -*- # sensor_reader.py import serial import time import board import busio import adafruit_scd30 import adafruit_sgp30 # import adafruit_bme280 (可选) class AirQualityMonitor: def __init__(self): self.pm_data = {} self.scd30_data = {} self.sgp30_data = {} self._init_pms5003st() self._init_i2c_sensors() def _init_pms5003st(self): """初始化PMS5003ST粉尘传感器""" # 串口设备名可能是 /dev/ttyAMA0 或 /dev/serial0，树莓派4B之后通常是后者 try: self.pm_serial = serial.Serial("/dev/serial0", baudrate=9600, timeout=2.0) print("PMS5003ST串口初始化成功。") except serial.SerialException as e: print(f"无法打开串口: {e}") self.pm_serial = None def _init_i2c_sensors(self): """初始化所有I2C传感器""" try: i2c = busio.I2C(board.SCL, board.SDA) self.scd30 = adafruit_scd30.SCD30(i2c) # SCD30需要一点时间启动，且连续读取间隔建议大于2秒 print("SCD30初始化成功。") self.sgp30 = adafruit_sgp30.Adafruit_SGP30(i2c) # SGP30首次使用需要初始基线，通常运行一段时间后会自动校准 print("SGP30初始化成功。") # 打印SGP30的基线值（初始为0） print(f"SGP30初始基线: eCO2={self.sgp30.baseline_eCO2}, TVOC={self.sgp30.baseline_TVOC}") # 如果需要BME280，取消下面注释 # self.bme280 = adafruit_bme280.Adafruit_BME280_I2C(i2c) # print("BME280初始化成功。") except Exception as e: print(f"I2C传感器初始化失败: {e}") self.scd30 = None self.sgp30 = None def _read_pms5003st(self): """读取并解析PMS5003ST数据帧""" if not self.pm_serial: return None # PMS5003ST数据帧以0x42, 0x4D开头，长度32字节 while self.pm_serial.in_waiting >= 32: # 寻找帧头 if self.pm_serial.read() == b'\x42': if self.pm_serial.read() == b'\x4d': # 读取后续30字节（帧头已读2字节） frame = self.pm_serial.read(30) # 简单的校验和验证（此处省略详细校验代码，实际应用建议加上） # 解析数据 (数据格式参考传感器手册) pm1_0 = (frame[4] << 8) | frame[5] # PM1.0 pm2_5 = (frame[6] << 8) | frame[7] # PM2.5 pm10 = (frame[8] << 8) | frame[9] # PM10 temperature = ((frame[24] << 8) | frame[25]) / 10.0 # 温度 humidity = ((frame[26] << 8) | frame[27]) / 10.0 # 湿度 self.pm_data = { 'pm1_0': pm1_0, 'pm2_5': pm2_5, 'pm10': pm10, 'temp_pm': temperature, 'humi_pm': humidity } return self.pm_data return None def _read_scd30(self): """读取SCD30数据""" if not self.scd30: return None # 检查是否有新数据可用 if self.scd30.data_available: self.scd30_data = { 'co2': self.scd30.CO2, # 单位: ppm 'temp_scd': self.scd30.temperature, # 单位: 摄氏度 'humi_scd': self.scd30.relative_humidity # 单位: % } return self.scd30_data return None def _read_sgp30(self): """读取SGP30数据""" if not self.sgp30: return None self.sgp30_data = { 'eco2': self.sgp30.eCO2, # 等效CO2，单位: ppm 'tvoc': self.sgp30.TVOC # 总挥发性有机物，单位: ppb } # SGP30需要定期读取以维持内部算法，建议每秒读取一次 # 每运行一段时间，可以保存其基线值到文件，下次启动时导入，以加快校准 return self.sgp30_data def read_all(self): """一次性读取所有传感器数据""" data = {} pm = self._read_pms5003st() if pm: data.update(pm) scd = self._read_scd30() if scd: data.update(scd) sgp = self._read_sgp30() if sgp: data.update(sgp) # 可选：读取BME280 # if hasattr(self, 'bme280'): # data['temp_bme'] = self.bme280.temperature # data['humi_bme'] = self.bme280.humidity # data['pressure'] = self.bme280.pressure return data if __name__ == "__main__": monitor = AirQualityMonitor() print("开始读取传感器数据，按Ctrl+C终止...") try: while True: all_data = monitor.read_all() if all_data: print(f"\r数据: {all_data}", end='', flush=True) time.sleep(2) # 每2秒读取一次 except KeyboardInterrupt: print("\n程序终止。")

运行这个脚本 (python sensor_reader.py)，如果一切连接正确，你应该能在终端看到不断刷新的传感器数据字典。这是万里长征第一步，证明你的硬件和基础驱动是通的。

4. 数据持久化、可视化与告警系统构建

仅仅在终端里看数据是远远不够的。我们需要将数据存储下来，以便分析长期趋势，并通过更友好的方式呈现，甚至在异常时发出提醒。

4.1 使用SQLite进行本地数据存储

对于这种频率不高（每分钟几次）且单点部署的项目，SQLite数据库是轻量且完美的选择。它无需安装额外的数据库服务，一个文件搞定。

# database_logger.py import sqlite3 import time from datetime import datetime import json class DataLogger: def __init__(self, db_path='air_quality.db'): self.db_path = db_path self._init_db() def _init_db(self): """初始化数据库，创建数据表""" conn = sqlite3.connect(self.db_path) cursor = conn.cursor() # 创建主表，包含所有可能的传感器字段 cursor.execute(''' CREATE TABLE IF NOT EXISTS sensor_data ( id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp DATETIME NOT NULL, pm1_0 REAL, pm2_5 REAL, pm10 REAL, temp_pm REAL, humi_pm REAL, co2 REAL, temp_scd REAL, humi_scd REAL, eco2 REAL, tvoc REAL, -- 可选BME280字段 temp_bme REAL, humi_bme REAL, pressure REAL ) ''') # 创建索引以加速按时间查询 cursor.execute('CREATE INDEX IF NOT EXISTS idx_timestamp ON sensor_data (timestamp)') conn.commit() conn.close() print(f"数据库初始化完成: {self.db_path}") def log_data(self, data_dict): """将一条数据记录插入数据库""" if not data_dict: return False # 添加当前时间戳 data_dict['timestamp'] = datetime.now().isoformat() # 准备列名和值 columns = [] placeholders = [] values = [] for key, value in data_dict.items(): columns.append(key) placeholders.append('?') values.append(value) sql = f"INSERT INTO sensor_data ({', '.join(columns)}) VALUES ({', '.join(placeholders)})" try: conn = sqlite3.connect(self.db_path) cursor = conn.cursor() cursor.execute(sql, values) conn.commit() conn.close() return True except sqlite3.Error as e: print(f"数据库插入错误: {e}") return False # 在主循环中使用 if __name__ == "__main__": from sensor_reader import AirQualityMonitor import time monitor = AirQualityMonitor() logger = DataLogger() print("开始监测并记录数据...") try: while True: data = monitor.read_all() if data: success = logger.log_data(data) if success: print(f"[{data.get('timestamp')}] 数据记录成功。") else: print("数据记录失败。") time.sleep(60) # 每分钟记录一次数据，避免数据库过快膨胀 except KeyboardInterrupt: print("数据记录服务停止。")

这个记录器会每分钟将数据存入SQLite数据库。对于长期运行，你可以考虑增加一些优化，比如使用连接池，或者每小时将数据聚合后存入另一张“摘要表”以减少主表大小。

4.2 使用Grafana打造专业级仪表盘

在本地存储了数据，我们如何展示？一个强大的选择是Grafana。它可以通过插件轻松连接SQLite，并构建出非常美观、专业的监控仪表盘。

第一步：安装Grafana在树莓派上安装Grafana相对简单。

# 添加Grafana的APT仓库 sudo apt-get install -y apt-transport-https software-properties-common sudo add-apt-repository "deb https://packages.grafana.com/oss/deb stable main" wget -q -O - https://packages.grafana.com/gpg.key | sudo apt-key add - # 安装Grafana sudo apt-get update sudo apt-get install grafana # 启动Grafana服务并设置开机自启 sudo systemctl enable grafana-server sudo systemctl start grafana-server

安装完成后，在电脑浏览器访问http://你的树莓派IP:3000，默认用户名和密码都是admin，首次登录会要求修改密码。

第二步：安装SQLite数据源插件Grafana默认不支持SQLite，需要安装一个社区插件。

# 在树莓派上执行 sudo grafana-cli plugins install frser-sqlite-datasource sudo systemctl restart grafana-server

重启后，在Grafana的Configuration->Data Sources里，就能添加SQLite类型的数据源了。配置时，指定数据库文件的绝对路径（如/home/pi/air_quality_monitor/air_quality.db）。

第三步：创建仪表盘

1. 新建一个Dashboard。
2. 添加一个Panel，选择Visualization为Time series。
3. 在查询编辑器里，选择SQLite数据源，编写SQL查询，例如：

   SELECT datetime(timestamp) as time, pm2_5, pm10 FROM sensor_data WHERE $__timeFilter(timestamp) ORDER BY time

   $__timeFilter(timestamp)是Grafana的宏，会自动替换为当前仪表盘选择的时间范围。
4. 配置图表的标题、Y轴单位（如µg/m³）、颜色等。
5. 重复添加面板，分别展示CO2、TVOC、温湿度等曲线。

你还可以设置阈值告警线（例如PM2.5超过75µg/m³显示为橙色，超过150显示为红色），让图表一目了然。Grafana的强大在于，你可以把多个相关指标放在一起对比，比如同时观察CO2上升和开窗（温度变化）的关系。

4.3 实现简单的阈值告警与通知

除了在图表上看，我们还需要在空气质量变差时主动获知。一个简单的方法是编写一个Python脚本，定期检查最新数据，并通过各种方式发送通知。

方案一：本地声音或LED提示（最简单）如果你的树莓派连接了扬声器或LED，可以直接控制它们。

# simple_alert.py import sqlite3 from datetime import datetime, timedelta import os def check_and_alert(db_path='air_quality.db'): conn = sqlite3.connect(db_path) cursor = conn.cursor() # 获取最近5分钟内的平均PM2.5 five_min_ago = (datetime.now() - timedelta(minutes=5)).isoformat() cursor.execute(''' SELECT AVG(pm2_5) as avg_pm25 FROM sensor_data WHERE timestamp > ? AND pm2_5 IS NOT NULL ''', (five_min_ago,)) result = cursor.fetchone() conn.close() avg_pm25 = result[0] if result[0] else 0 alert_message = None if avg_pm25 > 150: alert_message = f"严重警告！平均PM2.5浓度过高: {avg_pm25:.1f} µg/m³" # 可以在这里触发更强烈的警报，比如播放警报音 # os.system('mpg123 /path/to/alert_sound.mp3 &') elif avg_pm25 > 75: alert_message = f"警告：平均PM2.5浓度偏高: {avg_pm25:.1f} µg/m³" # 触发温和提醒 # os.system('mpg123 /path/to/notice_sound.mp3 &') if alert_message: print(f"[{datetime.now()}] {alert_message}") # 这里可以扩展为发送网络通知 if __name__ == "__main__": check_and_alert()

然后使用cron定时任务，每5分钟执行一次这个脚本：crontab -e添加*/5 * * * * /home/pi/air_quality_monitor/venv/bin/python /home/pi/air_quality_monitor/simple_alert.py

方案二：推送通知到手机（更实用）我们可以使用如Pushover、Telegram Bot、企业微信机器人、Bark等免费服务将警报推送到手机。

以Telegram Bot为例：

1. 在Telegram上找@BotFather，创建一个新的Bot，获得一个API Token。
2. 给你的Bot发送一条消息，然后通过https://api.telegram.org/bot<YourBOTToken>/getUpdates获取你的Chat ID。
3. 安装Python请求库：pip install requests
4. 修改告警脚本：

import requests def send_telegram_alert(message, bot_token, chat_id): url = f"https://api.telegram.org/bot{bot_token}/sendMessage" payload = { 'chat_id': chat_id, 'text': message, 'parse_mode': 'HTML' } try: response = requests.post(url, json=payload, timeout=5) if response.status_code == 200: print("Telegram通知发送成功。") else: print(f"发送失败: {response.text}") except Exception as e: print(f"发送请求时出错: {e}") # 在check_and_alert函数中调用 if alert_message: send_telegram_alert(alert_message, "YOUR_BOT_TOKEN", "YOUR_CHAT_ID")

这样，当空气质量超标时，你的手机就能立刻收到消息，提醒你该开窗通风或者开启空气净化器了。

5. 系统优化、长期运行与常见问题排查

让这个监测站7x24小时稳定运行，并确保数据准确可靠，还需要一些优化和排错经验。

5.1 系统服务化与开机自启

我们不能总开着终端运行Python脚本。最好的方式是将它做成一个系统服务。

创建一个服务文件：sudo nano /etc/systemd/system/airquality.service

[Unit] Description=Air Quality Monitor Service After=network.target [Service] Type=simple 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 /home/pi/air_quality_monitor/main_service.py Restart=always RestartSec=10 StandardOutput=syslog StandardError=syslog SyslogIdentifier=airquality [Install] WantedBy=multi-user.target

这里的main_service.py是你整合了数据读取、记录和告警逻辑的主程序。然后启用并启动服务：

sudo systemctl daemon-reload sudo systemctl enable airquality.service sudo systemctl start airquality.service # 查看状态和日志 sudo systemctl status airquality.service sudo journalctl -u airquality.service -f

5.2 传感器校准与数据可靠性保障

传感器，尤其是气体传感器，需要正确的校准才能保证长期数据的可信度。

SCD30的校准：SCD30支持手动强制校准（FCR）和自动自校准（ASC）。ASC默认开启，它假设设备每周至少有一次暴露在400ppm室外新鲜空气环境（持续至少20分钟）。如果你的设备长期在室内高浓度环境下运行，ASC可能导致读数偏低。

• 建议：如果条件允许，定期（如每两周）将设备放到通风良好的室外（避免阳光直射和雨水）运行一小时，让ASC正常工作。除非你有已知浓度的标准气体，否则不要轻易使用FCR。

SGP30的基线管理：SGP30的算法严重依赖基线值（baseline）。它会在运行中自动学习并更新基线。断电后，基线会丢失，重新上电需要约12小时才能重新稳定。

• 关键技巧：定期（例如每天）将sgp30.baseline_eCO2和sgp30.baseline_TVOC这两个属性值保存到文件中。当下次启动时，读取文件中的值并赋给sgp30.set_iaq_baseline(eCO2_baseline, TVOC_baseline)。这可以极大缩短启动后的稳定时间，并保持数据的一致性。

PMS5003ST的维护：激光粉尘传感器怕潮、怕油污、怕积尘。长期运行后，风扇和激光腔内部可能会积灰，导致读数偏高或不稳定。

• 维护建议：每3-6个月，用压缩气罐（或吹气球）从进气口和出气口轻轻吹气，清理表面浮尘。切勿用水或酒精直接冲洗传感器内部。如果设备在厨房等重油烟环境附近使用，维护周期需要缩短。

5.3 常见问题与排查思路

1. I2C设备找不到（IOError: [Errno 121] Remote I/O error）

   • 检查接线：确认SDA、SCL线没有接反、接触不良。
   • 检查上拉电阻：用sudo i2cdetect -y 1命令扫描I2C总线。如果看不到设备地址（SCD30通常是0x61，SGP30是0x58），可能是总线电平问题。尝试在SDA和SCL线上各加一个4.7kΩ电阻上拉到3.3V。
   • 检查电源：确保传感器供电充足（尤其是SCD30，启动电流较大）。

2. 串口读取不到PMS5003ST数据

   • 确认串口启用：再次检查raspi-config中串口控制台是否已禁用，硬件串口是否已启用。
   • 确认设备名：尝试将/dev/serial0改为/dev/ttyAMA0。
   • 检查电平转换：如果使用了电平转换模块，确认方向是否正确（5V端接传感器，3.3V端接树莓派）。
   • 逻辑分析仪/示波器：如果有条件，可以抓一下串口TX线上的波形，看是否有数据发出。

3. 数据偶尔跳变或出现异常值

   • 电源干扰：这是最常见的原因。确保使用优质的电源适配器，并考虑在树莓派电源输入端并联一个大电容（如470uF）以平滑电压。传感器供电线尽量短。
   • 软件去抖动：在代码中对读取的数据进行简单的滑动平均滤波。例如，记录最近5次的有效读数，取中位数或平均值作为输出，可以滤除偶发的尖峰。
   • 物理环境：检查传感器是否靠近空调出风口、风扇、门窗缝隙，这些地方的气流和温湿度变化剧烈，会影响读数。将设备放置在能代表房间整体状况的位置，离墙、人体、电器一定距离。

4. 树莓派CPU占用率过高

   • 优化读取频率：没有必要每秒读取所有传感器。PM2.5和气体变化相对较慢，可以设置为每10-30秒读取一次。SCD30的官方建议读取间隔也是大于2秒即可。
   • 避免忙等待：在主循环中使用time.sleep()让出CPU时间。
   • 检查日志：如果数据库文件变得非常大，查询和插入可能会变慢。可以考虑定期将旧数据归档或转移到其他存储。

这个项目从简单的想法出发，最终搭建起一个功能完整、可长期运行的个性化环境监测站。整个过程涉及了硬件选型、嵌入式编程、数据存储、可视化和系统运维等多个环节，是一个非常好的全栈实践。最让我有成就感的是，通过它，我真正“看见”了家里的空气变化规律：做饭时PM2.5的飙升、夜间关窗后CO2的缓慢爬升、开启净化器后污染物浓度的下降曲线。数据不再冰冷，它成了感知环境的延伸。你可以在此基础上继续扩展，比如增加甲醛传感器（如SEN0465）、接入智能家居平台（Home Assistant）实现自动化联动（超标自动开净化器），甚至将多个节点的数据汇总到云端做地图展示。希望这份详细的指南和踩坑经验，能帮你顺利搭建起属于自己的那一份“空气感知力”。