1. 课程导入：了解厨房安全的重要性、ESP32在智能家居中的应用、本项目的学习目标与整体框架
厨房是家庭生活中使用频率最高、潜在风险最集中的空间之一。燃气泄漏、油温过高、电器短路、儿童误触、老人操作失误等隐患，往往在无人察觉的瞬间演变为火灾或人身伤害事故。传统厨房安全依赖人的感官判断——闻气味、看火焰、听声音，但人的感知存在延迟、疲劳和盲区。随着物联网与嵌入式技术的发展，ESP32 这类低成本、高性能的微控制器正在成为智能家居安全系统的核心计算单元。本章作为整个项目的开篇，将系统梳理厨房安全的核心痛点、ESP32 在智能家居中的角色定位，并明确本项目的学习目标、技术路线与整体框架，为后续章节的硬件搭建、传感器选型、逻辑判断和联动控制奠定认知基础。
1.1 厨房安全的核心痛点与传感器选型逻辑
厨房安全风险并非单一维度，而是气体、颗粒物、温度、声音、电气状态等多物理量的综合作用。仅依赖单一传感器容易产生误报或漏报。例如，炒菜产生的油烟可能触发烟雾报警器，而真正的燃气泄漏却因浓度未达到阈值而被忽略。因此，一个可靠的厨房安全系统需要同时监测多种信号，并通过算法进行交叉验证。
从工程实践角度看，厨房安全监测主要围绕以下四类信号展开：
- 气体泄漏监测：采用 MQ-2（可燃气体/烟雾）或 MQ-7（一氧化碳）传感器，检测天然气、液化石油气及不完全燃烧产生的 CO。MQ 系列传感器输出模拟电压，通过 ESP32 的 ADC 通道读取，并根据浓度-电压曲线换算为 PPM 值。
- 烟雾与颗粒物监测：使用光学式烟雾传感器（如 MQ-2 的烟雾模式）或 PM2.5 激光传感器（如 PMS5003），用于识别火灾初期产生的可见烟雾。光学传感器对黑烟（如塑料燃烧）灵敏度较低，需结合温度传感器综合判断。
- 异常声音识别：通过驻极体麦克风（如 MAX9814 模块）采集音频信号，利用 ESP32 的 ADC 或 I²S 接口进行波形分析。可识别玻璃破碎、金属撞击、儿童哭喊等高频特征，但需通过带通滤波和阈值比较排除厨房正常噪音（如切菜声、碗碟碰撞声）。
- 温度与火焰监测：使用热电偶（如 MAX6675）或红外温度传感器（如 MLX90614）监测灶台表面温度，当温度在短时间内急剧上升超过设定阈值（如 200°C）时，判定为油锅起火风险。
1.2 ESP32 在智能家居中的角色与技术优势
ESP32 是乐鑫科技推出的双核 32 位微控制器，集成 Wi-Fi 802.11 b/g/n 和蓝牙 4.2/BLE，主频高达 240MHz，内置 520KB SRAM 和 4MB Flash。在智能家居生态中，ESP32 常被定位为“边缘计算节点”——它既不像云端服务器那样拥有无限算力，也不像传统 51 单片机那样仅能执行简单逻辑，而是能够在本地完成数据采集、特征提取、初步判断和联动控制，同时通过 Wi-Fi 与云端或手机 App 保持通信。
相较于其他主流智能家居主控方案，ESP32 具有以下显著优势：
| 对比维度 | ESP32 | Arduino Uno (ATmega328P) | 树莓派 Zero W |
|---|---|---|---|
| 处理器 | 双核 Xtensa LX6 @240MHz | 单核 8-bit @16MHz | ARM Cortex-A53 四核 @1GHz |
| 无线通信 | Wi-Fi + BLE 双模 | 需外接模块 | Wi-Fi + BLE |
| ADC 通道 | 2 个 12-bit SAR ADC，最多 18 通道 | 6 个 10-bit ADC | 无模拟输入（需外接 ADC） |
| 实时性 | 硬件定时器 + 中断，微秒级响应 | 定时器精度较低 | Linux 非实时系统，存在调度延迟 |
| 功耗 | 深度睡眠 10μA，适合电池供电 | 正常模式约 15mA | 待机约 100mA，不适合电池 |
| 开发成本 | 模块约 15-25 元 | 开发板约 30-50 元 | 开发板约 100-150 元 |
在厨房安全项目中，ESP32 的实时性尤为关键。当气体传感器检测到浓度超过阈值时，系统需要在毫秒级时间内触发蜂鸣器、切断电磁阀，并通过 Wi-Fi 推送报警消息。ESP32 的硬件定时器与 GPIO 中断机制能够保证这一过程的确定性，而不会像树莓派那样因操作系统调度产生不可控延迟。
1.3 本项目的学习目标与能力培养路径
本课程并非简单的“传感器+开发板”拼装教程，而是以厨房安全为真实场景，培养学员从需求分析、硬件设计、代码实现到系统调试的完整工程能力。完成本课程后，学员应达到以下目标：
- 硬件层：能够根据监测需求选择合适的传感器型号，正确连接 ESP32 与传感器（包括电平匹配、上拉电阻、去耦电容等细节），并理解 I²C、SPI、UART、ADC 等通信协议的实际应用。
- 驱动层：能够编写传感器驱动代码，包括初始化、数据读取、滤波处理（如滑动平均、中值滤波）和异常值剔除。例如，MQ-2 传感器在通电初期输出不稳定，需要延时预热并丢弃前 5 秒的数据。
- 逻辑层：能够设计本地风险判断算法，包括阈值判断、变化率判断、多传感器投票机制。例如，当烟雾浓度超过 300ppm 且温度在 10 秒内上升超过 15°C 时，判定为火灾高风险；仅烟雾超标而温度正常时，判定为油烟干扰。
- 联动层：能够通过 GPIO 控制继电器、蜂鸣器、LED 等执行器，并通过 Wi-Fi 将报警信息发送到手机（使用 MQTT 协议或 HTTP POST 请求）。同时实现本地与远程的双通道报警，避免网络故障导致报警失效。
- 系统层：能够进行系统级调试，包括使用串口监视器查看日志、使用逻辑分析仪检查时序、使用万用表测量电压，并能够针对误报、漏报、通信中断等常见故障进行排查和优化。
1.4 项目整体框架与模块划分
本项目按照“感知层 → 决策层 → 执行层 → 通信层”的四层架构进行设计，每一层都有明确的职责边界和接口规范。这种分层设计不仅便于代码维护，也方便后续功能扩展（如增加摄像头、指纹锁等）。
| 层级 | 功能模块 | 关键硬件/软件 | 输入/输出 |
|---|---|---|---|
| 感知层 | 气体检测、烟雾检测、声音检测、温度检测 | MQ-2、MAX9814、MAX6675、DHT22 | 模拟电压、I²C 数字信号、PWM 音频 |
| 决策层 | 数据融合、阈值判断、状态机管理 | ESP32 主控、FreeRTOS 任务调度 | 风险等级（正常/关注/警告/危险） |
| 执行层 | 声光报警、燃气切断、排风联动 | 蜂鸣器、LED、继电器、电磁阀 | GPIO 高低电平、PWM 驱动 |
| 通信层 | Wi-Fi 连接、MQTT 推送、本地存储 | ESP32 内置 Wi-Fi、MQTT 库 | JSON 数据包、TCP/IP 报文 |
在后续章节中，我们将按照以下顺序逐步推进：第 2 章讲解 ESP32 开发环境搭建与基础外设操作；第 3-5 章分别深入气体、烟雾、声音传感器的原理与驱动；第 6 章设计多传感器融合的风险判断算法；第 7 章实现本地报警与远程推送；第 8 章进行系统联调与故障模拟；第 9 章（即本章）作为总结与项目复盘。每一章都配有可运行的代码示例和调试技巧，确保学员能够“边学边做、做中理解”。
1.5 案例拆解：一次典型的厨房油烟误报与优化过程
为了帮助学员更直观地理解系统设计的复杂性，我们来看一个真实场景中的案例。某学员按照初步方案搭建了烟雾传感器 + 温度传感器的组合，在测试时发现：当厨房正常炒菜产生大量油烟时，系统频繁触发报警，而真正模拟燃气泄漏时（使用打火机不点火释放丁烷），系统却响应迟缓。
初始现象与数据：烟雾传感器（MQ-2）在炒菜时 ADC 读数从 800 迅速升至 2400（12-bit ADC，满量程 4095），温度传感器（DS18B20）从 28°C 升至 45°C，系统判定为“火灾警告”并触发蜂鸣器。而在释放丁烷气体时，ADC 读数仅从 800 升至 1200，未达到预设的 2000 阈值，因此未触发报警。
分析判断过程：通过串口打印日志发现，炒菜油烟中含有大量微小油滴颗粒，对光学烟雾传感器的散射效应极强，导致读数飙升；而丁烷气体分子较小，对光线的散射作用弱，但 MQ-2 的半导体敏感层对丁烷的响应本应更强。问题在于 MQ-2 的加热丝需要一定时间达到工作温度，且传感器对气体的响应存在“吸附-脱附”动态平衡，单纯依赖瞬时 ADC 值无法区分油烟和可燃气体。
优化方案：
- 增加气体传感器（MQ-7）专门检测 CO，因为天然气泄漏时往往伴随不完全燃烧产生 CO，而油烟中 CO 浓度极低。
- 修改判断逻辑：将“烟雾浓度高 + 温度变化率低”判定为油烟干扰；将“烟雾浓度中 + CO 浓度高 + 温度变化率中”判定为燃气泄漏。
- 引入时间窗口：连续 3 秒内 ADC 读数持续超过阈值才触发报警，避免瞬时波动造成误报。
- 增加传感器预热逻辑：上电后前 60 秒不进行风险判断，仅记录基线值。
结果对比：优化后，炒菜时系统不再误报（烟雾高但 CO 低），而释放丁烷时系统在 8 秒内准确触发报警并推送消息。该案例说明，厨房安全系统的核心不在于传感器数量，而在于对多源数据的交叉验证和合理的时序逻辑设计。
1.6 常见误区与总结复盘
在项目启动阶段，学员容易陷入以下几个误区，需要特别警惕：
- 误区一：传感器越多越安全。实际上，过多传感器会增加系统功耗、接线复杂度和故障概率。应优先选择互补性强的 2-3 种传感器，并通过算法提升可靠性。
- 误区二：阈值设置一成不变。厨房环境会随季节、通风条件、烹饪方式变化，阈值应支持动态校准。例如，夏季开窗通风时，气体传感器基线会偏低，应自动调整报警阈值。
- 误区三：忽略传感器预热和漂移。MQ 系列传感器在通电初期和长期使用后，基线会漂移。必须在代码中实现“自动校准”功能，定期更新基线值。
- 误区四：只做本地报警，不做远程通知。厨房发生危险时，用户可能不在现场。必须通过 Wi-Fi 实现远程推送，并考虑网络中断时的本地报警兜底方案。