目录
1测试代码与软件实现
1.1 CircuitPython编程环境配置
在开始CircuitPython编码前，要为微控制器建立环境。首先安装UF2文件：下载与目标微控制器型号匹配的UF2文件，连接微控制器至电脑，设定为引导模式，再把下载的UF2文件拖入微控制器的BOOT驱动器。
然后配置基本库及编程环境：在网络编程平台上创建新项目，增加'boot.py'文件配置基本设定，例如I2C、串行通讯等，加入'code.py'文件存储主程序代码。接着安装外置传感器库：下载与目标CircuitPython版本兼容的库文件压缩包，解压后获得所需外置传感器库文件，将库文件拖至网络编程平台的'lib'文件夹。
鉴于蓝牙在研究中发挥关键作用，如远程监测和发送测试指令，须特别注意蓝牙功能库的安装。从已下载的库文件中找出适用于蓝牙功能的库文件，按前述方法添加至网络编程平台的'lib'文件夹。
1.2异步数据采集代码（async）
异步编程作为一种范式，在等待操作完成时让程序执行其他任务，从而提高效率。相对于同步编程，异步编程在处理大量等待操作时具更快速度。Python中，asyncio库支持异步编程。为提升执行效率，本项目采用异步编程处理多个传感器数据采集。
首先，安装asyncio库和依赖库adafruit-circuitpython-busdevice。然后，编写异步采集代码。导入必要库，定义异步函数采集传感器数据。实现定时采集，使用asyncio.sleep(delay)函数。创建传感器实例，将采集任务添加至异步事件循环。
利用异步编程，在等待传感器数据采集时执行其他任务，充分利用资源，提升效率。如图1.1所示实例编程中不同方式运行3600次采样4项传感器数据所需时间。
1.3数据处理与分析代码
研究中数据处理部分利用递归算法处理传感器收集的原始数据。首先，异步函数读取CSV文件内的测试数据。按照秒为单位的时间戳分组数据，计算平均值，并将处理结果写入新CSV文件。
在数据分析阶段，使用蓝牙低功耗（BLE）的UART协议实现远程观察处理后数据。建立BLE连接后，首先判断是否超时。若超时，断开连接并等待；若连接正常，逐行读取处理数据，通过UART服务发送给远程设备。
为便于观察数据变化趋势，数据分析部分新增功能：控制输出处理后数据的时间。用户可按需调整输出时间间隔（0至任意值），在远程设备实时观测数据变化。
通过上述处理与分析方法，实现采集数据处理，通过蓝牙通信实时传输处理数据至远程观测设备。这一设计提高了系统灵活性，使用户根据需求调整数据显示速度，更好了解环境状况变化。
1.4测试代码架构
如图1.2展示了研究中测试代码的三大核心功能：自动任务、手动任务及蓝牙任务。首先，电源开关对微控制器（MCU）供电。上电信号检测后，MCU向环境发送蓝牙广播，同时检测物理开关的状态。依据开关状态，系统执行不同任务。
在开关下拉状态，系统进行自动任务，主要为数据采集。数据文件按日期命名，方便后续查找与分析。期间，绿色LED以0.5秒间隔闪烁，显示运行正常。开关上拉时，手动任务启动，包括数据采样与电池状态检测。在采样阶段，长按黑色按钮2秒进入，按绿色按钮开始；若需暂停，按黑色按钮。手动采样任务文件名为“test(n+1)”，基于目录文件数生成。此外，外置RTC模块负责上电时校准内部时间，便于识别任务创建时间。电池状态检测中，长按绿色按钮2秒，LED灯显示电量：绿长亮2秒代表充足，红长亮2秒表示不足。
执行自动或手动任务时，系统需实时监测蓝牙连接。此过程中，异步方法在测试代码中发挥关键作用。如图1.3所示蓝牙任务包括：测试环境、远程测试、远程观察、远程监测、数据处理、数据显示。远程监测时，可视化展示三个传感器参数，研究光强对颗粒物影响，可根据需求调整。这些功能具备交互性，根据收到的指令引导操作，灵活适应不同场景。这种方式简化测试，提高数据收集效率，为研究提供方便且可靠的技术支持。
1.5相关应用软件及功能
本研究利用两款应用程序辅助蓝牙互动与数据可视化，分别是nRF Toolbox和Bluefruit Connect。nRF Toolbox由Nordic Semiconductor开发，是一款多功能蓝牙应用，支援各种蓝牙低能耗（BLE）服务。使用此应用，可轻松与BLE设备互动，包含数据发送与接收。nRF Toolbox提供BLE设备快速测试与调试能力，支持定制GATT服务与特征。同时，提供图形化方式查看与操作BLE设备各参数，并通过UART服务实现设备双向通信。
Bluefruit Connect由Adafruit Industries开发，是一款专为Adafruit的Bluefruit LE模块设计的BLE应用。该应用支持BLE设备扫描与连接，提供实时数据可视化，有助于监控与分析传感器数据。然而，本身不具备UART服务功能，因此在需要可视化时，需要借助nRF Toolbox的UART指令控制MCU输出相应功能。而nRF Toolbox缺乏数据可视化功能，这与Bluefruit Connect的功能互补，满足研究需求。
如图1.4所示通过整合这两款应用程序的功能，实现了测试设备的蓝牙互动、数据采集和可视化等需求。在实际应用中，这两款应用提供了高效、灵活的方式操作与监控BLE设备，简化测试过程，提升数据收集效率。
2实验设计
2.1环境搭建
实验需在日光与可见光下进行，分别对应室外和室内场景。室外环境因素多样，包括光强、湿度及温度等，可能对结果产生干扰。为研究光强对夏普传感器影响，需密闭空间，如图2.1所示正面透光，保证日光进入传感器。室内环境影响小，主要为LED灯。实验需在不同LED强度下进行。如图2.2展示避光盒内置LED光源，通过3挡位光强测试。
实验地空气质量优，密闭空间内放置尘源，保证环境影响最小。尘源选用蚊香，价格低廉且易获取，燃烧产生大量颗粒物。安置风扇于密闭空间，使颗粒物流动有规律。风扇产生气流引导颗粒物按规律路径流动，有助于测量。但风扇气流可能影响颗粒物分布与浓度，实验采用静音低转速风扇。如图2.3展示暗光环境测得数据，一组加风扇，另一组不加。
颗粒物测量方法精度与可靠性依赖重复性与重现性。重复性需同一设备、条件下多次测量；重现性需不同设备、条件下测量。由于仅有一个传感器，重现性实验难度较大，重复性需尘源和环境要求较高，准确测量困难。图2.4展示温湿度变化中，带风扇实验结果稳定，5分钟后测量可保证一致性。因此，在浓度和环境变量较小情况下，使用不同光强观察颗粒物分布。
两组数据不同温度测量时，后者起始数据差值较大。风扇使密闭空间内空气流动迅速，保持稳定温湿度。图2.5线性分析湿度与浓度，带风扇数据线性关系更强，证实风扇在实验中的重要性。
探讨环境湿度控制相同情况下湿度变化原因，需讨论湿度传感器内部原理。SHT30-D基于电容式湿度传感器。湿度测量采用特殊聚合物介质，具强吸湿性。水分子与聚合物接触时，介质介电常数发生变化，进而影响电容值。测量电容值变化，可得相对湿度。实验内部过程如下：蚊香点燃后，产生大量颗粒物。颗粒物吸附水分子，经空气流动至传感器。密闭空气内氧气耗尽后，颗粒物不再增加，随时间逐渐减少。由此可知，颗粒物堆积及吸湿性导致湿度传感器与颗粒物传感器变化趋势相同。
实验设计在光源、尘源、风扇等方面进行了细致优化，以降低环境因素对实验数据的干扰。通过对比不同条件下的实验数据，我们得出了关于颗粒物传感器性能的一些结论。这些结论有助于我们更深入地了解颗粒物传感器在不同环境下的工作机理，为今后在实际应用中提高传感器性能提供了理论依据。
在未来的研究中，我们还可以尝试探究其他环境因素，如气体成分、颗粒物形状和大小等对传感器性能的影响。此外，可以进一步完善实验设计，采用更为严密的方法来评估传感器的重复性和重现性。这些研究将有助于完善颗粒物传感器的性能评估体系，为实际应用中的颗粒物监测提供更为精确和可靠的数据。
2.2实验方案
本节依据前述环境构建及影响因素，设计了室内外不同光照条件下的试验方案。
针对室内光源，我们将在四种LED光照强度下收集数据，每种光强进行三次试验。由于LED仅产生可见光，故采用TSL2561的全光谱通道。长时间近距离LED照射可能导致电路板温度上升，对传感器性能产生影响，因此需控制室内温度和密闭空间的环境温升范围。每组实验需静置20分钟后收集数据，并对数据汇总和分析，以观察整体分布状况。
对于室外光源，我们将在三个不同时间段光照强度下收集数据，每个时间段进行一次试验。考虑到阳光包含全光谱，使用光强传感器的红外通道并辅助紫外线传感器以观察红外通道中的激增现象。需要注意的是，室外温度和湿度无法控制，为实验增加了难度。如图2.6展示了在室外不同通道下，利用紫外线观察环境光强变化的一组数据。
这里，利用紫外线测试光强，并不是因为紫外线对颗粒物有影响，而是用来描述日光在白天的隐现状态并解决硬件短板问题，从而了解某个时段幅值激增的原因。阳光中约45%的光强来自红外线，而TSL2561的红外通道无法测量上限值；紫外线仅占约10%，紫外线传感器能轻松测量此范围内的数值。
经对比发现，在8：30至15：00时段，全光谱通道测得的数值已达上限，因此此方案不可行；在9：00至15：00时段，红外光通道和紫外光通道的幅值变化趋势相似，但紫外光幅值有超出红外光幅值的部分，这是由于红外光幅值和全光谱幅值达到上限，无法准确测量光强。全光谱和红外光的幅值经过滤波处理，方便观察紫外线幅值变化，所以在采集方案中需考虑红外光和紫外光。
以上仅探讨了光强的实验方案，此外室外温度和湿度受影响较大。如图2.7展示了在9:00至12:00时间段收集的一组数据，仅使用温湿度传感器与颗粒物电信号做分析。
对比显示可获取湿度信息，在温度较高时，相对湿度下降趋势更明显。这表明环境温度上升到一定程度后，会对相对湿度产生影响。而室内实验仅出现小范围温升现象，并未造成相对湿度趋势变化。当室外环境温度急剧增加时，空气中最大水汽含量也会增加，意味着在更高温度下，空气能容纳更多水分。密闭空间内的实际水分保持不变，相对湿度将降低，因为实际水汽含量相对于最大水汽含量的比例减小。换句话说，相对湿度反映了空气的饱和程度，环境温度升高会使空气相对较干燥，即使实际水分未变。
在室外情况下，只需记录温度数据。温度不仅能体现红外光是否持续保持高强度状态，还能反映当前湿度。如图3.8所示，温度与相对湿度成线性关系，而颗粒物电信号与相对湿度出现失真，这与室内环境不同。因此，在采集方案上应考虑温度。
3实验结果与讨论
实验数据均按时间戳（分钟）为单位去评估整个变化趋势，更易于观察数据变化趋势和分布情况。并在环境搭建和实验方案上进一步来获取实验结果。
3.1数据采集结果
如图3.1所示在温度和湿度变化趋势相同，更能保证采集数据的准确性。在level3光强下，温升并没有导致相对湿度的趋势发生变化，符合实验设计部分。
在环境因素最小的情况下，图3.2展示了室内实验的分布情况。从中可以得知，在暗光环境下的的异常值远少于其他三组数据，因其分布情况较为集中在低水平区域。而在不同等级光强下，第一四分位和第三四分位都有较大的差距，与暗光下相比有显著的提升，这两个指标能体现数据的大致分布情况。
图3.3展示在室外实验的数据结果及分布情况。环境温湿度在图2.7可视。
3.2光强对颗粒物传感器性能的影响
在室内照明条件下，图3.4利用核密度估计方法分析了不同光照等级下颗粒物传感器电信号数据。结果表明，光照强度实际上对传感器电信号产生了效果。在各个光照等级下，数据分布特征和中心位置均呈现出明显差异。具体说来，光照强度增强时，在前5分钟的情况下出现了更多异常值。这并不说明光照变化会引起颗粒物传感器电信号的改变，还需要其他因素才能证明。
为了更好地量化这种影响，我们计算了有光环境相对于Dark情况下电信号的整体提升。将各光照等级数据与Dark数据作比较得出：
在Level 1光照强度下，颗粒物传感器电信号中位数相对于Dark上升约：-9.33%。
在Level 2光照强度下，颗粒物传感器电信号中位数相对于Dark上升约：28.40%。
在Level 3光照强度下，颗粒物传感器电信号中位数相对于Dark上升约：19.89%。
总之，我们可以得出这样的结论：光照强度对颗粒物传感器电信号产生了作用。但这种作用并非是光强影响，或者说是某种因素的量变才导致在有光强的介入下发生质变。
在室外日光情况下，图3.5也利用以上方法分析了不同光照等级下颗粒物传感器电信号数据。结果表明，光照强度实际上对传感器电信号产生了更显著效果。图3.3可以明显看出12点时段二者存在线性关系，而在9点和11点是非线性的。紫外线仍无法完全反映日光的隐现状态，因此还需从温度和湿度角度分析整个过程。如图3.7所示12点时段温度逐渐上升，表明在高强度紫外线下，即使紫外线短暂减小，仍有高强度红外线持续照射传感器上，导致温度上升。而11点时段未出现温度继续上升的趋势，紫外线幅值在200至600之间，没有强烈红外线，也就是日光受天气影响，当时为多云状态。因此日光中的红外光成为影响颗粒物浓度变化的主要原因，其次是温度。
3.3讨论
3.3.1不同光强下颗粒物传感器的性能差异
在室内高强度LED照明下，如图3.2所示，各等级光强下的整体中位数差异并不明显。在燃烧蚊香的前五分钟，颗粒物浓度最高，此时容易产生异常值。然而，level 1至level 3在暗光环境下并未表现出更高幅值。从异常值出现频次来看，次数增多，但幅值并未变大。这表明仅在高颗粒物浓度和高可见光强度条件下，才可能影响颗粒物传感器性能。此种情况难以实现，一般室内光照强度为100至1200 lux，而实验采用6000至25000 lux光源。正常使用下，颗粒物传感器性能无差异，但应避免高温高光环境。
在室外各类环境和光源下，如图3.3所示，不同时间段整体中位数差异较大。这种差异并非仅出现在蚊香燃烧前5分钟，随着红外光照射时间增长，环境温度上升，热能导致温度升高。在密闭且浓度稳定的环境下，与11点的趋势变化明显不同。正是这种变化，证实了室外阳光中红外光对颗粒物传感器性能产生差异。然而，在9点与11点时段对比中，由于未收集红外光数据，因此无法证明差异是由红外光引起的。
3.3.2低成本颗粒物传感器的局限性与优势
尽管夏普颗粒物传感器在室外表现不尽人意，但他具有较高的灵敏度和稳定性，在正常光照条件下（100至1200 lux）能够有效检测颗粒物浓度。在一般室内环境中，该传感器的性能不受光照强度的显著影响，且成本效益较高。而在室外环境中，阳光中的红外光会对传感器性能产生差异。随着红外光照射时间的增长，环境温度升高，传感器的性能受到热能影响。因此，在使用夏普颗粒物传感器时，需充分考虑其在不同环境下的性能优势和局限性。
3.3.3异步数据采集在实验中的表现
在整个试验阶段，异步数据收集展现出了非常稳定的性能。利用测试软件中的滤波功能，有助于过滤掉颗粒物传感器采集的大量无效数据。采用次数越多，采集数据越准确。从数据收集结果来看，许多数据之间表现出线性关系，这验证了采集数据的同步特性。
在这个过程中，异步数据收集还表现出较强的容错能力和可扩展性。容错能力体现在，当某个任务发生错误时，不会对其他任务产生影响，确保整个测试过程不会因为个别错误而受阻。可扩展性表现在，根据测试需求，能够轻松地增加或减少任务，以适应不同规模的实验和数据收集需求。
总之，异步数据收集在测试阶段展示了稳定的性能、优秀的同步特性、较高的容错能力和可扩展性，使得整个测试过程更加高效和可靠。
4总结
在本研究中，我们深入探讨了低成本颗粒物传感器光敏影响，包括硬件选择、实验软件开发、环境建设和实验设计等方面。为确保测试方案具备高效、便捷、容易排查错误以及适用于多种需求，我们在各环节进行了周密考虑。研究发现，在硬件选择时需重视硬件上限、软件兼容性以及源库的支持。此外，异步编程在实验软件开发中显著提升了测试效率。通过不断尝试和数据结果分析，我们选择了一个最佳的环境构建方案。整个测试过程中，可视化功能发挥了关键作用，大大节约了测试时间。本研究以夏普颗粒物传感器为核心，探索该传感器在使用的先进性，仿真结果显示该传感器在室内具有较高的精度和稳定性，而室外性能出现差异。为后续研究奠定了基础。然而，研究中仍存在一些不足之处，例如测试代码对应用软件的整合较为繁琐，降低了测试效率；在探讨室外光强研究中，我们未能详细采集和分析红外光强对传感器性能的影响。未开工作将致力于进一步完善这些方面。
565
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
