用树莓派4B打造一台真正的空气质量检测仪：从零开始的完整实战
当你的家需要“呼吸健康”的眼睛
你有没有过这样的经历？早上醒来喉咙干痒，打开空气净化器发现PM2.5读数飙到150以上——可市面上那些动辄几百上千的商用检测仪，要么数据不准，要么功能死板，还不知道把隐私传到了哪个云端。
其实，我们完全可以自己动手做一个更聪明、更透明、还能联网可视化的空气监测站。而这一切，只需要一块树莓派4B和几十元的传感器模块。
这不是一个玩具项目，而是一套真正能用在家庭、教室甚至小型办公区的环境监控系统。它不仅能实时告诉你“现在空气质量怎么样”，还能记录趋势、触发报警、生成图表，甚至为未来接入智能家居打下基础。
今天，我就带你一步步实现这个系统，不跳坑、不省略、代码全给透，让你不仅能做出来，更能搞懂每一个环节背后的逻辑。
为什么选SDS011？因为它真的准
说到测PM2.5，很多人第一反应是买个红外传感器比如GP2Y1010AU0F。便宜是便宜（十几块钱），但说实话，它的精度只适合做个“大概看看”级别的演示。
真正靠谱的选择是激光散射原理的数字传感器——比如Nova Fitness 出品的 SDS011。
这颗传感器虽然外形朴素，但它内部有一束650nm的激光二极管，配合风扇强制抽气采样。当空气中颗粒物穿过光路时，会产生特定角度的散射光，光电探测器捕捉后通过算法反演出PM2.5和PM10的质量浓度（单位：μg/m³）。
它强在哪？
| 参数 | 指标 |
|---|---|
| 测量范围 | 0～9999 μg/m³（连重度雾霾都能扛） |
| 分辨率 | 1 μg/m³（比很多商用设备还细） |
| 输出频率 | 约每秒一次 |
| 接口类型 | UART串口（TTL电平，9600bps） |
| 工作电压 | 5V ±0.1V，电流约100mA |
最关键的是：它输出的是标准串行数据包，结构清晰、校验完整，非常适合嵌入式系统对接。
⚠️ 注意：SDS011使用的是5V供电和信号电平，不能直接连树莓派GPIO！必须通过USB-TTL转接模块（如CH340G或CP2102）连接到电脑或树莓派的USB口。
如何读取SDS011的数据？别被协议吓住
网上有些教程说“串口通信很复杂”，其实只要你理解了它的数据帧格式，几行Python就能搞定。
SDS011每次发送10字节的数据包，结构如下：
[0xAA][0xC0][PM2.5低字节][PM2.5高字节][PM10低字节][PM10高字节][保留][校验和][0xAB]其中：
- PM2.5 = (byte3 + byte4×256) / 10 → 单位 μg/m³
- 校验和 = (byte2~byte7之和) & 0xFF，用于验证传输是否出错
下面是经过实战打磨的稳定读取代码：
import serial import time class SDS011: def __init__(self, port="/dev/ttyUSB0", baudrate=9600): self.ser = serial.Serial(port, baudrate, timeout=2) def read(self): while True: # 寻找数据包头 if self.ser.read() == b'\xaa': if self.ser.read() == b'\xc0': frame = self.ser.read(8) # 读后续8字节 if len(frame) == 8: checksum = sum(frame[:6]) & 0xFF if checksum == frame[6]: # 第7字节是校验和 pm25 = (frame[0] + frame[1] * 256) / 10.0 pm10 = (frame[2] + frame[3] * 256) / 10.0 return pm25, pm10 return None, None def close(self): self.ser.close()💡经验提示：
- 如果程序一直卡住没数据，先检查/dev/ttyUSB0是否存在（插拔传感器试试）
- 可以用ls /dev/tty*查看当前可用串口设备
- 建议加个异常处理和重试机制，避免单次错误导致整个采集崩溃
温湿度怎么测？DHT22虽老但够用
接下来是温湿度部分。虽然现在有SHT30、BME280这些I²C高端传感器，但对于初学者来说，DHT22依然是性价比最高的选择。
它长这样：一个白色的小方块，三个引脚（VCC、DATA、GND），单价不到10元。
它的工作方式有点“原始”
DHT22用的是单总线协议，主机要主动拉低GPIO至少1ms来唤醒它，然后它才会吐出40位数据。每一位用脉冲宽度表示“0”或“1”：
- 26~28μs 宽度 → “0”
- 70μs 左右宽度 → “1”
听起来挺麻烦？幸好已经有现成库帮我们封装好了底层时序。
推荐使用官方维护的Adafruit_Python_DHT库：
sudo pip3 install Adafruit_DHT使用非常简单：
import Adafruit_DHT SENSOR = Adafruit_DHT.DHT22 PIN = 4 # GPIO4（物理引脚7） def get_temp_humi(): humidity, temperature = Adafruit_DHT.read_retry(SENSOR, PIN) if humidity is not None and temperature is not None: print(f"温度: {temperature:.1f}°C, 湿度: {humidity:.1f}%") return temperature, humidity else: print("❌ 读取失败，请检查接线或电源") return None, None🔧接线要点：
- VCC 接 3.3V 或 5V（都可以）
- GND 接地
- DATA 接 GPIO4，并外接一个4.7kΩ 上拉电阻到3.3V（否则信号容易失真）
⏰注意采样间隔：DHT22两次读取之间至少要等2秒，太频繁会自发热影响精度。
树莓派4B怎么整合这两个传感器？
现在硬件都清楚了，关键是：怎么让它们在同一台树莓派上稳定运行？
系统架构其实很清晰：
SDS011 → USB-TTL模块 → 插入树莓派USB口 → /dev/ttyUSB0 DHT22 → 连接到 GPIO4 引脚 ↓ Python主程序 ↓ 数据汇总 + 存储 ↓ Flask服务器提供API ↓ 浏览器查看实时曲线但实际开发中会有几个经典“坑”，我们必须提前绕开。
第一个大坑：串口被系统占用了！
刚接触树莓派的朋友常遇到这个问题：明明插上了USB转TTL模块，Python却读不到任何数据。
原因很简单：树莓派默认开启了串口登录终端（serial console），把/dev/ttyAMA0或/dev/serial0拿去当shell用了，导致你无法正常访问串口设备。
✅ 正确解决方法：
运行：
sudo raspi-config进入菜单：
Interface Options → Serial Port
然后两个问题依次回答：
1. “Would you like a login shell accessible over serial?” →No
2. “Would you like the serial port hardware to be enabled?” →Yes
重启之后，你的USB-TTL设备就会出现在/dev/ttyUSB0，可以自由读写了。
📌 小技巧：如果你以后还想用其他串口设备（比如GPS模块、LoRa模块），这一步都是必做的。
第二个挑战：多传感器如何协同工作？
SDS011每秒出一次数据，DHT22每2秒才能读一次。如果都在主线程里跑，很容易互相阻塞。
更好的做法是：用多线程解耦采集任务。
我们可以创建两个独立线程，分别负责PM2.5和温湿度的采集，再通过一个队列把数据统一交给主程序处理。
import threading import queue import time data_queue = queue.Queue() def collect_pm25(): sensor = SDS011() while True: pm25, pm10 = sensor.read() if pm25 is not None: data_queue.put({ 'type': 'pm', 'pm25': pm25, 'pm10': pm10, 'timestamp': time.time() }) time.sleep(1) def collect_th(): while True: temp, humi = get_temp_humi() if temp is not None: data_queue.put({ 'type': 'th', 'temp': temp, 'humi': humi, 'timestamp': time.time() }) time.sleep(2) # 遵守DHT22最小间隔 # 启动后台采集线程 threading.Thread(target=collect_pm25, daemon=True).start() threading.Thread(target=collect_th, daemon=True).start()这样一来，两个传感器互不影响，也不会因为某个读取慢而拖累整体性能。
数据存哪？本地文件就够用了
对于这种小规模监测系统，不需要上MySQL或者MongoDB。用CSV或者SQLite就足够轻量又高效。
这里我推荐用SQLite，因为它是文件型数据库，无需额外服务，支持结构化查询，后期导出分析也方便。
建表语句如下：
import sqlite3 conn = sqlite3.connect('air_quality.db', check_same_thread=False) c = conn.cursor() c.execute('''CREATE TABLE IF NOT EXISTS readings ( id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp REAL, pm25 REAL, pm10 REAL, temperature REAL, humidity REAL )''') conn.commit()每当从队列拿到新数据，就合并写入数据库：
latest = {'pm25': None, 'pm10': None, 'temp': None, 'humi': None} while True: item = data_queue.get() if item['type'] == 'pm': latest['pm25'] = item['pm25'] latest['pm10'] = item['pm10'] elif item['type'] == 'th': latest['temp'] = item['temp'] latest['humi'] = item['humi'] # 当两项都有有效数据时才写入 if latest['pm25'] is not None and latest['temp'] is not None: c.execute("INSERT INTO readings (timestamp, pm25, pm10, temperature, humidity) VALUES (?, ?, ?, ?, ?)", (item['timestamp'], latest['pm25'], latest['pm10'], latest['temp'], latest['humi'])) conn.commit() print(f"📊 已保存数据: PM2.5={latest['pm25']} μg/m³, T={latest['temp']}°C")让数据“活”起来：网页可视化
光有数据还不够，我们要让它看得见。
最简单的方案是用Flask + Chart.js搭一个微型Web服务器，在手机或电脑浏览器里实时看曲线。
安装Flask：
pip3 install flask启动一个HTTP服务：
from flask import Flask, jsonify, render_template app = Flask(__name__) @app.route('/') def index(): return render_template('index.html') # 前端页面 @app.route('/data') def get_latest(): c.execute("SELECT * FROM readings ORDER BY id DESC LIMIT 1") row = c.fetchone() if row: return jsonify({ 'time': time.strftime('%H:%M:%S', time.localtime(row[1])), 'pm25': row[2], 'pm10': row[3], 'temp': row[4], 'humi': row[5] }) return jsonify({'error': 'no data'})前端HTML+JavaScript用Chart.js画动态折线图：
<canvas id="chart"></canvas> <script src="https://cdn.jsdelivr.net/npm/chart.js"></script> <script> const ctx = document.getElementById('chart').getContext('2d'); const chart = new Chart(ctx, { type: 'line', data: { labels: [], datasets: [ { label: 'PM2.5 (μg/m³)', borderColor: 'red', tension: 0.1, data: [] }, { label: '温度 (°C)', borderColor: 'blue', tension: 0.1, data: [] } ] }, options: { responsive: true } }); // 每2秒请求一次最新数据 setInterval(() => { fetch('/data').then(r => r.json()).then(data => { chart.data.labels.push(new Date().toLocaleTimeString()); chart.data.datasets[0].data.push(data.pm25); chart.data.datasets[1].data.push(data.temp); // 只保留最近50个点 if (chart.data.labels.length > 50) { chart.data.labels.shift(); chart.data.datasets.forEach(ds => ds.data.shift()); } chart.update(); }); }, 2000); </script>打开浏览器访问http://树莓派IP地址:5000，你会看到一条不断延伸的曲线，像心跳一样跳动着反映你房间的空气质量变化。
实际应用场景不止于“看看”
你以为这只是个玩具？其实它可以做得更多。
✅ 家庭场景
放在卧室，设定规则：当PM2.5 > 75时自动亮起红色LED灯提醒开净化器。
✅ 教室/办公室
部署多台设备，结合WiFi信号强度估算位置，生成室内空气质量热力图。
✅ 教学实验
电子信息类专业的学生可以通过这个项目掌握：
- 传感器原理
- 单总线与UART通信
- 多线程编程
- 数据库操作
- Web前后端交互
一套下来，就是完整的物联网工程实践。
✅ 移动监测
装上电池和GPS模块，绑在自行车上骑行一圈，回来就能绘制出城市不同路段的污染分布图。
经验总结：这些细节决定成败
做完这套系统后，我总结了几条关键经验，帮你少走弯路：
| 问题 | 解决方案 |
|---|---|
| 供电不稳定导致传感器重启 | 使用5V/3A电源适配器，避免用手机充电头 |
| DHT22读数经常失败 | 检查是否有4.7kΩ上拉电阻，GPIO接触是否良好 |
| 图表刷新卡顿 | 限制前端显示数据点数量（建议≤50） |
| 树莓派发热严重 | 加装散热片或小风扇，尤其是长时间运行时 |
| 时间不准确 | 开启NTP同步：sudo timedatectl set-ntp true |
| SD卡容易损坏 | 定期备份数据库，避免频繁写入日志 |
还能怎么升级？给你几个方向
这个项目不是终点，而是起点。你可以继续扩展：
- 🔹加上OLED屏幕：用SSD1306显示本地数值，断网也能看
- 🔹集成MQTT协议：把数据发到Home Assistant，联动空调、新风系统
- 🔹加入声音报警：蜂鸣器在超标时发出提示音
- 🔹低功耗模式：配合RTC模块定时唤醒，延长电池续航
- 🔹AI预测模型：用历史数据训练简单回归模型，预测未来半小时趋势
甚至可以把多个节点组成LoRa无线网络，实现几百米范围内的分布式监测。
写在最后：技术的意义在于改变生活
做这样一个空气质量检测仪，成本不过百元，耗时不过几天，但它带来的价值远超金钱。
它让你第一次真正“看见”了空气的质量；
它教会你如何把传感器、代码、网络连成一个完整的系统；
它可能促使你养成开窗通风的习惯，也可能推动家人购买一台更好的净化器。
更重要的是，你不再是一个被动接受信息的用户，而是一个能动手解决问题的创造者。
如果你正在寻找一个既能练手又有实际用途的树莓派项目，那么这个空气质量检测仪，绝对值得你花一个周末去完成。
如果你在搭建过程中遇到了问题，欢迎留言交流。我已经把完整的代码整理好放在GitHub上，也可以私信获取。
毕竟，呼吸这件事，不该靠猜。
