4、设备端数据采集：传感器类型、采样策略、数据格式与本地存储
设备端数据采集是TinyML数据闭环的“入口”与“源头”。无论云端训练模型多么强大，如果设备端采集的数据在物理量覆盖、时间分辨率、量化精度或存储完整性上存在缺陷，后续的人工复核、再训练与模型迭代都将失去可靠基础。本章聚焦于嵌入式设备上传感器选型、采样策略设计、数据格式定义与本地存储机制，帮助学员建立从物理世界到数字样本的工程化转换能力。
4.1 核心原理：从物理信号到数字样本的转换链路
设备端数据采集的本质是将连续变化的物理量（如加速度、温度、声压）转换为离散的数字序列，供MCU或应用处理器进行特征提取与模型推理。这一过程涉及三个关键环节：传感（将物理量转换为电信号）、调理（放大、滤波、电平匹配）与量化（ADC将模拟电压映射为有限位数的数字值）。在TinyML场景中，采集链路的设计必须同时考虑功耗、延迟、精度与成本四个维度。
传感器类型的选择直接决定了数据的信息含量。以工业预测性维护为例，振动传感器（加速度计）适合检测轴承磨损与不平衡，温度传感器适合监测过热故障，而电流传感器则能反映电机负载变化。每种传感器都有其独特的输出接口：数字型传感器（如I2C/SPI接口的BMI270、BME280）内部集成了ADC与信号调理电路，输出可直接被MCU读取；模拟型传感器（如压电式加速度计）则需要外部ADC或MCU内置ADC进行采样。在低功耗场景中，数字传感器通常更优，因为它们可以在休眠模式下保持极低功耗，并通过中断唤醒MCU。
采样策略的核心是奈奎斯特采样定理与应用需求的平衡。理论上，采样率必须大于信号最高频率的两倍才能无失真重建；但实际工程中，考虑到抗混叠滤波器的非理想特性，通常取信号最高频率的5~10倍。例如，人体活动识别中，日常动作的频率范围约为0.5~5Hz，因此采样率设为25~50Hz即可满足需求；而声学事件检测（如玻璃破碎声）需要覆盖20Hz~20kHz，采样率至少需要44.1kHz。过高的采样率会带来功耗与存储的双重压力，因此需要根据任务复杂度动态调整。
数据格式与本地存储是采集链路的“最后一公里”。原始传感器数据通常以二进制补码形式存储，但为了便于人工复核与云端解析，往往需要添加元数据（设备ID、时间戳、采样率、量程信息）。常见的存储格式包括：CSV（便于人工查看，但体积大）、JSON（结构化强，适合少量数据）、二进制（体积小，适合大量数据）。在资源受限的MCU上，推荐使用二进制格式配合环形缓冲区（Ring Buffer）实现掉电保护与磨损均衡。
4.2 判断方法与操作流程：如何设计一套采集方案
设计设备端采集方案时，建议遵循以下五步流程，每一步都有明确的输入与输出，确保方案可落地、可验证。
- 需求分析：明确任务类型（分类、回归、异常检测）、目标物理量、环境约束（温度范围、振动强度、防水等级）、功耗预算（电池容量与目标续航）。输出：传感器选型清单与采样率范围。
- 传感器选型与验证：对比候选传感器的量程、灵敏度、噪声密度、接口类型、功耗与封装。使用开发板（如ESP32-S3、STM32L4）进行原型验证，测量实际信号幅值与噪声底。输出：选型报告与实测数据。
- 采样策略设计：确定采样率、窗口长度（如每帧256个样本）、重叠率（如50%）、触发模式（连续/事件）。对于事件触发模式，需定义阈值与消抖时间。输出：采样配置参数表。
- 数据格式定义：设计数据帧结构，包含头部（魔数、版本号）、元数据（时间戳、设备ID）、负载（多通道样本）、尾部（CRC校验）。输出：数据格式规范文档。
- 存储与传输方案：根据数据量与写入频率选择存储介质（SPI Flash、SD卡、eMMC），设计环形缓冲区与掉电保护机制。若需上传，还需定义批量传输协议（如MQTT、HTTP）。输出：存储架构图与接口定义。
下表对比了三种常见存储介质的适用场景，帮助学员快速决策：
| 存储介质 | 容量范围 | 写入速度 | 功耗 | 适用场景 |
|---|---|---|---|---|
| MCU内部Flash | 256KB~2MB | ~100KB/s | 极低 | 短时缓存、配置参数 |
| 外部SPI Flash | 1MB~64MB | ~2MB/s | 低 | 中等规模数据记录 |
| SD卡（SPI/SDIO） | GB级 | ~10MB/s | 中 | 长时间连续采集、高采样率 |
在操作层面，务必注意采样时钟的精度。MCU内部RC振荡器在温度变化时频率漂移可达±3%，这会导致采样间隔不均匀，进而影响频谱分析结果。对于需要精确时间戳的应用，应使用外部晶振（如32.768kHz RTC晶振）或通过GPS/NTP进行时间同步。
4.3 案例拆解：工业电机振动监测设备的数据采集设计
本案例展示一个真实的工业电机预测性维护项目，重点说明采集方案的设计过程与工程权衡。
背景与约束：某工厂需要对20台三相异步电机（功率5.5kW~22kW）进行振动监测，目标是在轴承故障早期（如外圈磨损）发出预警。环境温度范围为-10℃~60℃，电机外壳振动加速度峰值可达5g。设备采用电池供电（3.7V 18650电池，容量3000mAh），要求续航≥6个月。MCU选用STM32L4系列（Cortex-M4，80MHz），内置12位ADC。
初始现象与目标：初期使用手持测振仪人工巡检，每两周一次，无法捕捉突发性故障。项目目标为：实现7×24小时连续监测，故障检出率≥95%，误报率≤5%。
关键输入数据与参数：通过预研阶段使用高精度实验室加速度计（PCB 352C33）采集电机正常与故障状态下的振动数据，发现轴承外圈故障的特征频率约为123Hz（对应电机转速1470rpm），且故障信号在2kHz~5kHz频段有明显共振峰。因此，采样率定为10kHz（覆盖5kHz共振峰），每帧采样2048点（约0.2秒），重叠率50%。
分析判断过程：若使用内置ADC直接采样，12位分辨率在5g量程下对应约2.4mg/LSB，足以检测早期故障信号（通常为0.1g~0.5g）。但内置ADC的采样率最高仅5Msps，且需要CPU干预，功耗较高。因此改用数字加速度计ADXL357（量程±10g，分辨率0.0005g，SPI接口），其内置FIFO可缓存512个样本，支持中断唤醒，平均功耗仅200μA@10kHz采样率。
实际操作步骤：
- 将ADXL357通过SPI连接至STM32L4，配置为±10g量程、10kHz输出数据速率、FIFO中断模式。
- MCU在FIFO半满（256样本）时通过DMA读取数据，每4次中断组成一帧2048点数据。
- 每帧数据添加32位时间戳（基于RTC，精度±1秒/天）与16位设备ID，组成二进制帧格式。
- 数据写入外部SPI Flash（W25Q64，8MB），采用双缓冲区交替写入，避免擦写冲突。
- 每10分钟通过BLE将压缩后的特征值（RMS、峰值、频谱能量）上传至网关，原始数据保留在本地Flash中，每7天覆盖一次。
结果对比与复盘：系统运行3个月后，成功预警了2起轴承早期故障（均通过振动频谱确认），误报1次（因安装松动导致）。与人工巡检相比，故障发现时间提前了约11天。复盘发现，误报原因是传感器安装扭矩不足导致共振频率偏移，后续在安装规范中增加了扭矩要求（2.5N·m±0.2N·m）。此外，Flash写入寿命问题需关注：W25Q64擦写次数约10万次，按每7天覆盖一次计算，寿命约2年，满足项目需求。
4.4 常见误区与总结复盘
在设备端数据采集的工程实践中，以下误区值得特别注意：
总结复盘：设备端数据采集是TinyML数据闭环中最“物理”的环节，其设计质量直接决定了模型的上限。核心要点可归纳为：传感器选型匹配物理量、采样策略匹配信号带宽、数据格式兼顾效率与可读性、存储方案平衡容量与寿命。在实际项目中，建议建立“采集-验证-调优”的迭代循环，每次部署前用已知信号源（如标准振动台）校准传感器，确保数据可信度。只有从源头保证数据质量，后续的人工复核与再训练才能发挥最大价值。