一、所选主题和项目介绍

1.1 项目背景

家庭和办公场所的安防需求日益增长。传统安防系统成本高、部署复杂。本项目利用M5Stack AtomS3R-CAM（内置GC0308摄像头，0.3MP）和U059振动电机模块，构建一款低成本、即插即用的智能安防设备。当检测到画面变化（有人闯入）时自动触发振动报警并在128×128 TFT屏幕显示告警状态，适用于家庭、办公室、仓库等需要低成本安防监控的场所。

1.2 项目目标

本项目使用M5Stack AtomS3R-CAM (K147-CAM)开发板和Vibration Motor Unit (U059)振动电机模块，实现智能安防振动告警系统，主要功能如下：

1. 运动检测：基于自适应帧差法检测画面变化，判断是否有物体移动，误报率<5%
2. 自动告警：检测到运动后自动触发振动电机提供物理告警
3. 状态显示：128×128 TFT屏幕实时显示系统状态（正常/告警/错误）
4. 按钮解除：按下AtomS3R按钮可解除告警状态
5. 冷却机制：告警触发后2秒冷却窗口，避免连续误报
6. 串口调试：全流程串口日志输出，便于开发和排错

1.3 创新点

1. 低成本安防：利用AtomS3R-CAM现有内置摄像头，无需额外摄像头模块，总硬件成本<200元
2. 自适应帧差法：两遍扫描算法自动过滤摄像头自动曝光引起的全局亮度漂移，大幅降低误报率
3. 字节级运动检测：直接操作RGB565原始帧缓冲区bytearray，避免摄像头buffer复用问题
4. 振动反馈：振动电机提供物理告警，比声音更隐蔽，适用于安静环境（图书馆、办公室等）
5. 非阻塞延时机制：safe_sleep_ms在延期间维持M5.update()，避免系统软件定时器崩溃

二、硬件介绍

2.1 主控设备

AtomS3R-CAM AI Chatbot (SKU: K147-CAM)

2.2 传感器模块

Vibration Motor Unit (SKU: U059)

2.3 硬件连接

                   ┌───────────┐
                   │           │
    3.3V ──────────│ 3V3       │
                   │           │
    GND  ──────────│ GND       │
                   │           │
    G1   ──────────│ GROVE-G1  │  PWM控制
                   │           │
    G2   ──────────│ GROVE-G2  │  备用
                   │           │
                   └───────────┘

                        Grove HY2.0-4P
                        (直插连接)

三、方案框图和项目设计思路

3.1 系统架构

3.2 数据处理流程

系统上电后，按以下流程运行：

1. 硬件初始化：初始化 M5 系统、摄像头（RGB565/QQVGA）和振动电机模块
2. 帧捕获：主循环中调用 cam.snapshot() 采集一帧 QQVGA（160×120）图像
3. 像素采样：以步长 8 对帧图像均匀采样，提取 300 个采样点的 RGB565 字节数据（约 600 字节）
4. 运动检测：将当前帧采样数据与上一帧采样数据进行自适应阈值差分比较
5. 告警判定：运动像素占比超过 0.8% 时触发振动告警和屏幕红色闪烁
6. 状态反馈：实时在 128×128 TFT 屏幕显示系统状态（正常/告警/就绪/错误）

3.3 自适应阈值运动检测算法

采用两遍扫描自适应帧差法检测运动，核心思路是区分"全局亮度漂移"和"局部物体运动"：

算法步骤：

1. 像素采样：以步长8对QQVGA(160×120)帧进行均匀采样，共20×15=300个采样点，每个采样点取2字节RGB565数据，共600字节
2. 第一遍扫描（全局评估）：遍历全部采样像素点，计算每个像素的RGB差值绝对值之和，求平均值得到avg_diff（代表全局亮度漂移量）
3. 自适应阈值计算：adaptive_threshold = max(fixed_threshold, avg_diff × 2.5)
4. • fixed_threshold = 30（RGB565双字节差值范围0-510，30约对应5%亮度变化）
   • 当自动曝光引起全图同时变亮/变暗时，avg_diff自动抬高，阈值也随之抬高
4. 第二遍扫描（运动判定）：只有像素差值显著大于全局偏移量（超过adaptive_threshold）才计为"运动像素"
5. 告警判定：运动像素占比超过0.8%触发告警

第一遍扫描 (计算avg_diff):
  for each sampled pixel:
    diff = |curr.R - prev.R| + |curr.G - prev.G| + |curr.B - prev.B|
    total_diff += diff
  avg_diff = total_diff / N

自适应阈值:
  adaptive_threshold = max(30, avg_diff × 2.5)

第二遍扫描 (运动判定):
  for each sampled pixel:
    diff = |curr.R - prev.R| + |curr.G - prev.G| + |curr.B - prev.B|
    if diff > adaptive_threshold:
      changed++
  
  motion_ratio = changed / N
  if motion_ratio > 0.8% → ALARM!

算法优势：

摄像头自动曝光(AGC/AEC)在场景亮度变化时会自动调整增益和曝光时间，导致帧间所有像素同时变亮或变暗。传统固定阈值法无法区分这种"全局漂移"（误报率80%+）。自适应阈值根据当前帧整体变化量动态调整阈值，当整个画面亮度变化时自动抬高阈值，只检测真正的局部运动物体。

四、原理图和PCB展示及介绍

4.1 原理图展示

原理图

4.2 PCB布局展示

4.3 硬件连接原理图

本项目使用KiCad设计了专用的接口适配板（PCB），将 AtomS3R-CAM 的 HY Port A 接口信号（G1/G2/3.3V/GND）通过自定义 PCB 走线引出至 U059 振动电机模块，实现了稳定的 PWM 信号传输与供电连接。

引脚对应关系：

4.4 设计过程

原理图和PCB均使用KiCad软件进行设计。设计过程中，在设计过程中参考了M5Stack官方Unit Hub（docs.m5stack.com/zh_CN/unit/hub）的电路方案。

五、软件流程图和关键代码介绍

1.软件流程图

系统软件流程分为初始化阶段和主循环阶段，核心逻辑如下：

流程图对应代码关键函数：

2.主程序结构

"""
M5Stack AtomS3R-CAM - 智能安防振动告警系统

功能特性:
  1. 自适应帧差法运动检测
  2. 字节级原始帧比较(RGB565 bytearray, 38400字节/帧)
  3. U059振动电机告警（3次脉冲，每次300ms）
  4. 128×128 TFT状态显示（绿=正常/红=告警/黄=就绪）
  5. 按钮解除告警
  6. 非阻塞延时(safe_sleep_ms)维持系统响应

硬件连接:
  - AtomS3R-CAM (K147-CAM): 主控设备
  - Vibration Motor Unit (U059): HY Port A

使用说明:
  1. 将Vibration Motor连接到AtomS3R-CAM的Grove接口
  2. 上电后自动启动摄像头监测
  3. 检测到画面变化时振动告警
  4. 按下AtomS3R按钮可解除告警
"""

3.摄像头初始化

def setup():
    """初始化系统硬件和摄像头"""
    global vibrator

    M5.begin()                               # 初始化系统

    # 安全导入摄像头模块
    try:
        import camera as _cam
        cam = _cam
        cam.init(pixformat=cam.RGB565,        # RGB565全彩格式
                 framesize=cam.QQVGA)         # 160×120分辨率
        
        # 尝试禁用自动曝光/增益/白平衡
        for attr in ['set_auto_exposure',
                     'set_auto_gain',
                     'set_auto_whitebal']:
            if hasattr(cam, attr):
                getattr(cam, attr)(0)
                print("[OK] {} disabled".format(attr))

        cam.skip_frames(30)                   # 跳过前30帧让摄像头稳定
    except Exception as e:
        print("[ERROR] camera init failed: {}".format(e))

    # 初始化振动电机
    vibrator = VibratorUnit(port=(1, 2))      # HY Port A

    print("[INFO] Setup complete, starting main loop...")

初始化过程通过串口输出详细的日志信息，方便用户了解系统状态：

=== Security Camera Alarm System ===
[INFO] Starting initialization...
[OK] M5.begin() done
[INFO] cam.init(pixformat=RGB565, framesize=QQVGA)...
[OK] cam.init() done
[OK] set_auto_exposure disabled
[OK] set_auto_gain disabled
[INFO] skip_frames(30)...
[OK] skip_frames done
[OK] camera init done
[INFO] Initializing VibratorUnit(port=(1, 2))...
[OK] VibratorUnit init done
[INFO] Setup complete, starting main loop...

4.自适应运动检测函数

def diff_frame(current, prev_samples, step, threshold):
    """
    自适应阈值运动检测: 过滤全局亮度漂移，只捕获局部变化
    
    两遍扫描算法:
    第一遍: 计算全局平均亮度变化 (avg_diff)
    第二遍: 只有变化量 > max(threshold, avg_diff×2.5) 的像素才计为运动
    """
    raw = current.bytearray()     # 获取RGB565原始帧 (38400字节)
    w = current.width()           # 160
    h = current.height()          # 120
    stride = w * 2                # 每行字节数

    # === 第一遍: 计算全局平均亮度变化 ===
    si = 0
    total = 0
    total_diff = 0

    for y in range(0, h, step):          # step=8, 纵向步长
        for x in range(0, w, step):      # step=8, 横向步长
            idx = y * stride + x * 2     # 计算字节偏移
            # 两字节RGB565差值
            diff = abs(raw[idx]   - prev_samples[si]) + \
                   abs(raw[idx+1] - prev_samples[si+1])
            total_diff += diff
            si += 2
            total += 1

    avg_diff = total_diff / total        # 全局平均变化量

    # === 自适应阈值 ===
    adaptive_threshold = max(threshold, avg_diff * 2.5)

    # === 第二遍: 只有显著大于全局偏移的像素才算"运动" ===
    si = 0
    changed = 0

    for y in range(0, h, step):
        for x in range(0, w, step):
            idx = y * stride + x * 2
            diff = abs(raw[idx]   - prev_samples[si]) + \
                   abs(raw[idx+1] - prev_samples[si+1])
            if diff > adaptive_threshold:
                changed += 1
            si += 2

    return changed / total               # 返回运动像素占比

参数配置：

• pixel_step = 8：每隔8像素采样一个点，共20×15=300个采样点
• threshold = 30：基础差值阈值（RGB565双字节范围0-510）
• avg_diff × 2.5：自适应乘数，根据全局漂移动态抬高阈值
• 判定阈值 motion_ratio = 0.008（0.8%运动像素占比触发告警）

5.帧数据采样（解决buffer复用）

def sample_frame_bytes(img, step):
    """
    采样帧像素字节并存储为独立bytearray
    
    解决摄像头内部buffer复用问题:
    cam.snapshot()返回指向共享内部缓冲区的引用，
    下一帧snapshot会覆盖同一内存地址。
    通过立即提取采样像素的独立bytearray避免这一问题。
    
    仅保存约600字节采样数据（原始38400字节的1.5%）
    """
    raw = img.bytearray()
    w = img.width()
    h = img.height()
    stride = w * 2

    samples = bytearray()                  # 创建独立bytearray
    for y in range(0, h, step):
        for x in range(0, w, step):
            idx = y * stride + x * 2
            samples.append(raw[idx])       # 复制低字节
            samples.append(raw[idx + 1])   # 复制高字节
    return samples                         # 完全独立于摄像头buffer

6.非阻塞延时函数

def safe_sleep_ms(ms):
    """
    非阻塞延时，sleep期间定期调用M5.update()
    
    问题背景:
    M5Stack的软件定时器(soft timer)回调需要M5.update()
    来分发。如果time.sleep_ms()长时间阻塞(如2000ms)，
    定时器回调会堆积触发异常:
    "TypeError: function takes 1 positional arguments but 2 were given"
    
    解决方案:
    将长延时拆分为10ms步进，每步后调用M5.update()
    """
    step = 10 if ms > 50 else ms
    remaining = ms
    while remaining > 0:
        chunk = step if remaining > step else remaining
        time.sleep_ms(chunk)
        remaining -= chunk
        M5.update()                    # 维持系统响应和定时器分发

7.振动告警触发

def trigger_alarm():
    """触发振动告警(非阻塞式，含M5.update()维持定时器)"""
    global vibrator, alarm_active, last_motion_time

    alarm_active = True
    last_motion_time = time.ticks_ms()

    # 振动告警: 3次脉冲，频率15Hz，占空比80
    for i in range(SECURITY_CONFIG["vibrate_repeat"]):  # 3次
        vibrator.once(
            freq=15,
            duty=80,
            duration=SECURITY_CONFIG["vibrate_duration"]  # 300ms
        )
        safe_sleep_ms(SECURITY_CONFIG["vibrate_duration"] + 100)  # 400ms

    # 屏幕红色闪烁提示 (5次闪烁)
    for _ in range(5):
        Lcd.fillScreen(COLOR_RED)
        Widgets.Label("ALARM!", 10, 10, 1.0,
                      COLOR_WHITE, COLOR_RED, Widgets.FONTS.DejaVu12)
        safe_sleep_ms(100)
        Lcd.fillScreen(COLOR_BLACK)
        safe_sleep_ms(100)

8.主循环

def loop():
    """主循环: 摄像头监测和运动检测"""
    global prev_pixels, frame_count, last_motion_time

    M5.update()

    # 检测按钮按下解除告警
    if M5.BtnA.wasPressed():
        clear_alarm()
        display_status("Alarm Cleared", COLOR_GREEN)
        return

    # 告警冷却 (2秒内不重复触发)
    if current_time - last_motion_time < 2000:
        return

    # 捕获摄像头帧
    img = cam.snapshot()
    frame_count += 1

    # 运动检测
    if prev_pixels is not None:
        ratio = diff_frame(img, prev_pixels, step=8, threshold=30)
        
        if ratio > 0.008:          # 0.8%运动像素触发告警
            print("[ALARM] Motion detected! ratio={:.3f}".format(ratio))
            trigger_alarm()
        else:
            display_status("Monitoring", COLOR_GREEN)
    else:
        # 首帧: 初始化参考帧
        prev_pixels = sample_frame_bytes(img, step=8)

六、硬件功能展示图及说明

6.1 硬件整体展示

6.2 系统运行日志

6.2.1 启动串口终端

=== Security Camera Alarm System ===
[INFO] Starting initialization...
[OK] M5.begin() done
[INFO] cam.init(pixformat=RGB565, framesize=QQVGA)...
[OK] cam.init() done
[OK] set_auto_exposure disabled
[OK] set_auto_gain disabled
[INFO] skip_frames(30)...
[OK] skip_frames done
[OK] VibratorUnit init done
[INFO] Setup complete, starting main loop...

6.2.2 正常运行

[INFO] System ready, entering main loop
[INFO] First frame captured, starting monitoring
[DEBUG] Motion ratio=0.001 (threshold=0.008)
[DEBUG] Motion ratio=0.002 (threshold=0.008)

6.2.3 运动检测告警

[ALARM] Motion detected! ratio=0.847
[ALARM] Motion detected! ratio=0.883
[ALARM] Motion detected! ratio=0.847
[INFO] Button pressed - clearing alarm

6.2.4 完整运行日志示例

=== Security Camera Alarm System ===
[INFO] Starting initialization...
[OK] M5.begin() done
[INFO] cam.init(pixformat=RGB565, framesize=QQVGA)...
[OK] cam.init() done
[OK] set_auto_exposure disabled
[OK] set_auto_gain disabled
[OK] set_auto_whitebal disabled
[INFO] skip_frames(30)...
[OK] skip_frames done
[OK] camera init done
[INFO] Initializing VibratorUnit(port=(1, 2))...
[OK] VibratorUnit init done
[INFO] Setup complete, starting main loop...
[INFO] System ready, entering main loop
[INFO] First frame captured, starting monitoring
[DEBUG] Motion ratio=0.003 (threshold=0.008)
[DEBUG] Motion ratio=0.005 (threshold=0.008)
[ALARM] Motion detected! ratio=0.883      ← 放入物品
[ALARM] Motion detected! ratio=0.847
[ALARM] Motion detected! ratio=0.822
[INFO] Button pressed - clearing alarm    ← 按下按钮
[INFO] System ready, entering main loop
[ALARM] Motion detected! ratio=0.851      ← 再次放入物品
[INFO] Button pressed - clearing alarm

七、设计中遇到的难题和解决方法

7.1 摄像头API兼容性（不支持get_pixel）

问题描述：AtomS3R-CAM的GC0308摄像头Image对象不支持标准M5Stack的get_pixel()方法，无法逐像素访问。

排查过程：

• 首次调用img.get_pixel(x, y)报错：'Image' object has no attribute 'get_pixel'
• 通过dir(img)探查可用方法列表，发现仅支持bytearray()、width()、height()、size等基础属性
• 无逐像素API，必须通过原始字节缓冲区操作

解决方案：

1. 改用img.bytearray()直接获取RGB565原始帧缓冲区（QQVGA=160×120=38400字节）
2. 在字节级别进行帧间比较，通过计算字节偏移量idx = y * w * 2 + x * 2来访问特定像素
3. 每个像素占用2字节（高字节: RRRRRGGG，低字节: GGGBBBBB）

# 字节级像素访问 (替代get_pixel)
raw = img.bytearray()           # 38400 bytes
stride = img.width() * 2        # 每行字节数
idx = y * stride + x * 2        # 像素偏移量
r = (raw[idx] & 0xF8)           # 提取红色分量 (5位)
g = ((raw[idx] & 0x07) << 5) | ((raw[idx+1] & 0xE0) >> 3)  # 绿色分量 (6位)
b = (raw[idx+1] & 0x1F) << 3   # 提取蓝色分量 (5位)

7.2 摄像头buffer复用导致运动检测失效

问题描述：cam.snapshot()返回的Image对象指向摄像头驱动的内部共享缓冲区。存储引用后下一帧snapshot会覆盖同一内存地址，导致帧比较始终返回0。

排查过程：

• 运动检测ratio始终为0，即使画面明显变化
• 打印prev_frame和当前帧的内存地址发现相同
• 确认是buffer复用而非运动检测算法问题

解决方案：

1. 不存储Image引用，改为立即提取采样像素的独立bytearray
2. sample_frame_bytes()在snapshot后立即从原始帧复制所需像素数据
3. 每帧仅保存约600字节的采样数据（原始38400字节的1.5%），大幅节省PSRAM

# 错误做法: prev_frame指向内部buffer，下一帧被覆盖
img = cam.snapshot()
prev_frame = img        # ❌ 引用被复用

# 正确做法: 立即提取独立数据
img = cam.snapshot()
prev_pixels = sample_frame_bytes(img, step=8)  # ✅ 独立bytearray

7.3 自动曝光导致持续误报

问题描述：摄像头自动曝光(AEC)/自动增益(AGC)在帧间动态调整，导致所有像素同时变亮或变暗。固定阈值无法区分"全局漂移"和"局部运动"，静景下误报率高达80%+（ratio=0.5~0.8）。

排查过程：

• 未放入任何物品时，运动ratio已达0.5~0.82
• 观察画面无明显变化但ratio很高
• 推断为摄像头自动曝光参数调整引起全图亮度偏移
• 尝试cam.set_auto_exposure(0)等API，但GC0308驱动不暴露此接口

解决方案：

1. 设计自适应阈值算法：先计算全局平均变化量avg_diff，再以此动态抬高阈值
2. 两遍扫描：第一遍统计全局亮度变化，第二遍只有变化量显著大于全局平均的像素才计为运动
3. 自适应阈值公式：adaptive_threshold = max(threshold(30), avg_diff × 2.5)

# 核心改进: 从固定阈值改为自适应阈值
avg_diff = total_diff / total                               # 全局平均变化量
adaptive_threshold = max(threshold, avg_diff * 2.5)         # 自适应阈值
# 当avg_diff增大(自动曝光调整)时, 阈值自动抬高
# 当场景稳定(avg_diff≈0)时, 阈值回退到基础threshold

7.4 系统软件定时器崩溃

问题描述：time.sleep_ms()长时间阻塞（如振动告警中2200ms延时）导致M5Stack内部软件定时器回调堆积，抛出异常：TypeError: function takes 1 positional arguments but 2 were given。

排查过程：

• 系统正常运行中突然崩溃，打印上述异常
• 异常来自定时器线程而不是主线程
• 检查发现M5.update()需要在主循环中频繁调用来分发定时器回调
• 长时间阻塞sleep导致回调队列积压，参数传递错乱

解决方案：

1. 实现非阻塞延时safe_sleep_ms()，在延时间隙定期调用M5.update()
2. 以10ms为步进分片延时，每步后执行M5.update()处理定时器回调
3. 同步修改trigger_alarm()中所有延时调用为safe版本

def safe_sleep_ms(ms):
    """非阻塞延时，sleep期间定期调用M5.update()维持系统响应"""
    step = 10 if ms > 50 else ms
    remaining = ms
    while remaining > 0:
        chunk = step if remaining > step else remaining
        time.sleep_ms(chunk)
        remaining -= chunk
        M5.update()  # 维持定时器回调分发

7.5 开机振动电机误启动

问题描述：设备上电后振动电机立刻震动，并非来自告警信号。

排查过程：

• 检查初始化代码发现VibratorUnit(port=(1, 2))初始化后有一段测试振动代码
• 测试代码直接调用vibrator.once(freq=10, duty=50, duration=200)进行功能验证
• 用户误以为设备故障

解决方案：

1. 移除setup()中的测试振动指令
2. 振动电机仅在trigger_alarm()告警函数中被调用
3. 确保设备上电后处于静默等待状态

八、心得体会

8.1 项目收获

1. 嵌入式摄像头开发：深入理解了M5Stack AtomS3R-CAM摄像头驱动和Image对象API，掌握了bytearray()原始帧数据操作的底层技术
2. 运动检测算法：从基础帧差法出发，设计并实现了自适应阈值算法，理解了两遍扫描在过滤全局噪声中的有效性
3. MicroPython性能优化：学会了字节级数据处理、内存管理和非阻塞编程技巧，在资源受限的MCU上实现实时检测
4. 硬件调试能力：通过串口日志逐行定位初始化阻塞点、buffer复用、定时器崩溃等硬件相关bug，建立了系统化的调试方法论
5. 传感器驱动：掌握了U059振动电机的PWM控制协议和驱动API（once/set模式、频率/占空比调节）

8.2 技术亮点

1. 自适应帧差法：两遍扫描算法自动过滤摄像头自动曝光引起的全局亮度漂移，将误报率从80%+降至<5%
2. 字节级原始帧操作：通过bytearray()直接操作RGB565缓冲区（38400字节），不依赖像素级API，解决了get_pixel不可用的问题
3. 非阻塞延时机制：safe_sleep_ms在延期间维持M5.update()分发定时器回调，避免系统定时器异常崩溃
4. 低内存采样：仅保存300个采样点（600字节），避免存储完整38400字节帧，PSRAM占用降至1.5%
5. 即插即用：通过自设计的接口适配板（PCB）直连，模块化插接设计，3分钟完成硬件部署

8.3 改进建议

1. JPEG拍照存储：启用PSRAM后可用cam.capture()拍摄JPEG照片，检测到运动时保存到SD卡或Flash
2. WiFi远程告警：利用ESP32-S3内置WiFi，通过MQTT/HTTP推送告警通知到手机（微信/邮件）
3. 区域屏蔽：支持用户选择检测区域（ROI），排除风扇、窗帘等非入侵物体的干扰
4. 灵敏度配置：通过按键或串口命令动态调整检测阈值（pixel_step/threshold/motion_ratio）
5. 多帧确认：连续N帧（如3帧）检测到运动后再触发告警，进一步降低偶发误报
6. 低功耗模式：检测到长时间无运动时进入深度睡眠，电池供电场景延长续航至数天
7. 时段策略：支持不同时段（白天/夜间/外出模式）使用不同的检测参数
8. OTA升级：实现无线固件升级，便于远程更新算法和配置
9. 事件记录：本地保存告警时间戳和运动ratio日志，供事后查看分析
10. AI辅助检测：可扩展TensorFlow Lite Micro进行本地AI推理，实现人形/宠物识别

创意方向

本项目的技术创新为以下创意方向提供了新的思路：

1. 人工智能在嵌入式系统中的应用

• 计算机视觉预处理：自适应帧差法可作为AI运动检测的前端数据预处理管道
• 异常检测基础：本项目的实时像素变化统计可作为异常检测模型的特征输入
• 态势感知：可扩展为基于本地TensorFlow Lite的人形识别/物体分类
• 可迁移能力：字节级帧差法算法轻量高效，可在任意带摄像头的MCU上部署

2. 楼宇自动化

• 区域安防边缘节点：作为楼宇安防系统的本地智能检测单元，降低云端依赖
• 智能联动接口：可通过GPIO/串口与其他设备联动（触发照明、门禁锁定、声光报警）
• 模块化部署：基于Grove接口，可快速扩展其他传感器（人体红外/门磁/烟雾）

3. 无线 / 5G / WiFi-7

• 无线安防传感网络：ESP32-S3内置2.4GHz WiFi可扩展为多节点无线安防网络
• 远程监控：通过MQTT协议将告警信息实时推送至云端，支持手机APP查看
• 边缘-云端协同：本地完成实时检测，云端负责长期数据分析和告警汇总

技术迁移价值

本项目开发的技术方案可迁移到：

• 人工智能应用：自适应阈值算法、实时像素变化统计、运动检测数据预处理
• 楼宇自动化：边缘安防节点、区域入侵检测、多传感器联动
• 无线通信：WiFi物联网告警、MQTT远程推送、分布式传感网络

致谢

感谢 DigiKey 和 电子森林 提供的FastBond4活动支持，本次活动链接：https://www.eetree.cn/page/digikey-fastbond