2026 M-Design设计竞赛 - 基于树莓派5的空巢老人智能监护系统

一、项目介绍和创意介绍

随着我国人口老龄化程度不断加深，空巢老人的居家安全问题日益成为社会关注的焦点。跌倒是最常见的老年人意外伤害之一，若未能及时发现和救助，可能导致骨折、脑损伤甚至危及生命。同时，独居老人的居住环境质量（温度、湿度、气压、光照等）也直接影响其健康与舒适。然而，现有的跌倒检测方案多为可穿戴设备，老人穿戴麻烦、遗忘率高；传统的环境监测系统又缺乏主动判断危险的能力，家属也无法远程实时获知老人状态。

针对这一痛点，本作品设计了一套基于树莓派5的多传感器融合智能监护系统。该系统利用 YOLOv5 深度学习视觉模型对摄像头画面进行实时分析，精准识别老人跌倒行为；同时，通过 I²C 总线同步采集六轴运动传感器（MPU6050）、气压温度传感器（BMP280）、高精度温湿度传感器（HDC1080）等多维环境数据。所有环境与告警信息以仪表盘形式，通过 Flask 搭建的 Web 服务器和 Server-Sent Events（SSE）技术实时推送到任意联网设备的浏览器中。此外，系统集成了 ST25DV04K 动态 NFC 标签，家属或急救人员只需用手机触碰标签，即可自动打开监护网页，为紧急救援争取宝贵时间。

项目创意亮点：

• 视觉感知：YOLOv5 摄像头跌倒检测作为核心安全判断依据，降低误报和漏报。
• 非穿戴式设计：所有传感器安装在室内固定位置，老人无需额外佩戴任何设备，无感监测大幅提升使用依从性。
• 环境全面感知：温湿度、气压、光照等数据帮助家属判断室内舒适度，预防中暑、受凉等次生健康风险。
• 一碰即达的紧急访问：NFC 标签储存监护网页 URI，亲友手机触碰即可打开页面，无需记忆 IP 地址或扫码，极大降低紧急场景下的操作门槛。

二、使用到的硬件简介

所有 I²C 传感器通过树莓派的双 I²C 总线连接：MPU6050 挂在 I²C-1（GPIO2/3），NFC 标签，BMP280 与 HDC1080 挂在 I²C-2（GPIO4/5），有效避免地址冲突和总线拥堵。摄像头通过 USB 直连，无需额外驱动。

三、方案框图和项目设计思路

系统整体框图

硬件连接图

设计思路

本系统的设计遵循“感知-判断-推送-展示”四层架构。

1. 感知层：由 I²C 传感器和 USB 摄像头构成。I²C 传感器通过 Python 编写的面向对象驱动类定时读取寄存器数据；摄像头通过 OpenCV 连续读取视频帧。
2. 判断层：核心是 YOLOv5 模型对视频帧进行人体跌倒检测。模型使用自定义跌倒数据集训练。当连续多帧识别到“跌倒”类别时，判定为一次潜在危险事件。同时，环境传感器数据直接用于展示，不作复杂判据。
3. 推送层：Flask 应用维护两条 SSE 通道 —— /stream 以 1Hz 频率推送传感器数据和跌倒告警标志；同时提供一个 /update_alarm HTTP 接口，接收来自 YOLOv5 脚本的 POST 请求以更新全局告警状态。这种松耦合设计使得 YOLOv5 检测与 Web 服务可以独立运行，互不阻塞。
4. 展示层：前端采用 HTML5 + Chart.js 实现响应式仪表盘。玻璃拟态风格的卡片实时刷新数据，环境曲线动态滚动，跌倒告警卡片在收到 alarm: true 时触发 CSS 动画，变为红色闪烁。NFC 标签中写入的 URI 记录使任何支持 NFC 的手机触碰即打开仪表盘，免去手动输入。

四、原理图和PCB介绍

原理图

• mpu6050
  InvenSense六轴运动跟踪传感器，集成三轴加速度计和三轴陀螺仪，并内置数字运动处理器（DMP）和温度传感器。
• LIS2MDLTR
  STMicroelectronics超低功耗三轴磁力计（电子罗盘），用于检测地磁场强度。
• LSM6DSMTR
  STMicroelectronics iNEMO 惯性模块，集成三轴加速度计和三轴陀螺仪，具有机器学习内核和有限状态机。
• SHT30-DIS-B10KS
  Sensirion 数字温湿度传感器，基于 CMOSens 技术。
• BMP280
  Bosch Sensortec（博世传感）气压传感器，可同时测量大气压强和环境温度。
• HDC1080DMBR
  Texas Instruments（德州仪器）高精度数字温湿度传感器，内置加热元件。
• OPT3001DNPR
  Texas Instruments（德州仪器）环境光传感器，内置 23 位有效分辨率的光-数字转换器。
• ST25DV04K-IER6S3
  STMicroelectronics（意法半导体）动态 NFC/RFID 标签 IC，带有 4 Kbit EEPROM，支持 NDEF 格式和 I²C 接口。
• 拓展接口
• 
• MCP2515T-I/ML
• 

PCB

五、软件流程图和关键代码介绍

软件总体流程图

关键代码介绍

1. YOLOv5 跌倒检测与 Flask 联动（detect.py 修改片段）

# 在 detect.py 的图片处理循环末尾，遍历检测结果判断是否有跌倒类别
FALL_CLASS_ID = 0          # 根据实际模型调整
FALL_CLASS_NAME = 'fall'
fall_detected = False
if len(det):
    for *xyxy, conf, cls in reversed(det):
        c = int(cls)
        if c == FALL_CLASS_ID or names[c] == FALL_CLASS_NAME:
            fall_detected = True
            break
# 向 Flask 发送状态
try:
    requests.post('http://127.0.0.1:5000/update_alarm',
                  json={'fall': fall_detected}, timeout=1)
except Exception:
    pass

2. Flask 端接收告警并推送 SSE（app.py 核心部分）

fall_alarm = {'fall': False, 'timestamp': 0}
alarm_lock = threading.Lock()
​
@app.route('/update_alarm', methods=['POST'])
def update_alarm():
    global fall_alarm
    data = request.get_json()
    with alarm_lock:
        fall_alarm['fall'] = data.get('fall', False)
    return 'OK', 200
​
def event_stream():
    while True:
        data = read_all_sensors()
        with alarm_lock:
            data['alarm'] = fall_alarm['fall']
        yield f"data: {json.dumps(data)}\n\n"
        time.sleep(1.0)

3. 前端告警联动（JavaScript 片段）

const alarmCard = document.getElementById('alarm-card');
if (data.alarm) {
    alarmCard.classList.add('blink');
    alarmStatus.textContent = 'FALL DETECTED!';
    alarmStatus.style.color = '#ff4d6a';
} else {
    alarmCard.classList.remove('blink');
    alarmStatus.textContent = 'Safe';
    alarmStatus.style.color = '#00ff88';
}

六、功能展示图及说明

• 仪表盘全景：深色渐变背景衬托下，六张玻璃拟态卡片分别展示“跌倒检测”、“MPU6050 加速度/温度”、“BMP280 气压/温度”、“HDC1080 温湿度”、以及预留给其他传感器的半透明占位卡片。每张卡片下方设有动态 Chart.js 折线图，可回溯最近 30 个数据点。
• 跌倒告警效果：正常状态下，“跌倒检测”卡片显示绿色“Safe”，边框透明。当 YOLOv5 检测到跌倒时，该卡片瞬间变为红色边框，并带有脉动闪烁动画，中央文字变为“FALL DETECTED！”，提示立即查看。
• NFC 一碰即达：用支持 NFC 的智能手机轻触 ST25DV04K 标签，手机自动弹出浏览器并打开监护网页，全程无需输入地址或扫码，实测响应时间小于 2 秒。
• 环境数据曲线：温湿度、气压等曲线以流畅动画实时更新，家属可直观观察室内环境变化趋势。

七、设计中遇到的难题和解决方法

1. YOLOv5 在树莓派上的实时性挑战
   树莓派 CPU 直接运行 YOLOv5s 模型时，推理速度仅 5 fps，远远无法满足实时视频分析需求。
   解决方法：采用模型量化技术，将 PyTorch 模型转换为 ONNX 格式，使用 ONNX Runtime 进行推理。
2. 跌倒检测误报问题
   初期模型将弯腰拾物、躺在沙发上等动作误判为跌倒，引起频繁虚警。
   解决方法：在 YOLOv5 输出后引入连续帧确认机制（连续 5 帧检测到跌倒才触警），显著降低了误报率。
3. I²C 总线冲突
   BMP280 与 HDC1080 挂在同一条 I²C-2 总线上，连续交叉访问时偶发 Remote I/O Error。
   解决方法：引入 Python threading.Lock，对 I²C-2 的操作进行互斥保护，并将各传感器读取间隔从 0.5 秒调整为 1 秒，确保设备有足够转换时间。
4. 文件编码导致脚本运行失败
   多次出现 “Non-UTF-8 code starting with...” 报错，原因是从不同平台复制代码时引入了中文乱码字节。
   解决方法：最终将所有代码文件统一保存为纯 ASCII 或严格 UTF-8 编码，并添加文件头声明 # -*- coding: utf-8 -*-，彻底解决了环境兼容性问题。

八、对本次竞赛的心得体会

参加 2026 M-Design 设计竞赛，让我们经历了一次从硬件选型、传感器底层驱动开发，到深度学习模型部署、前后端全栈开发的完整工程实践。从最初在面包板上艰难点亮第一个 I²C 传感器，到最后实现一套能够真正守护老人安全的监护原型，每一步都充满了挑战与惊喜。

我们深刻体会到，物联网与人工智能技术的结合，在智慧养老领域具有巨大的应用潜力。一个看似简单的跌倒检测功能，背后需要电源完整性、通信可靠性、模型准确率、用户体验设计等多方面的细致考量。特别感谢贸泽电子提供的元器件赞助和硬禾学堂的技术支持，让我们能够心无旁骛地专注于创造。本项目不仅是一个技术竞赛作品，更承载着我们对于社会问题的关注和解决愿望。未来，我们将继续完善系统，加入语音对讲、烟雾报警、微信推送等功能，让空巢老人的安全监护真正无死角。希望我们的作品能为智慧养老贡献一份微薄之力，也期待在竞赛中与更多志同道合的伙伴交流学习。