4、数据采集软件环境：Arduino IDE、PlatformIO、MicroPython等工具链的安装配置与基本使用

TinyML 项目的数据采集环节，是连接物理世界与模型训练的桥梁。无论你使用的是 ESP32、STM32 还是 Raspberry Pi Pico，都需要一套稳定、高效的软件工具链来编写固件、烧录程序并实时读取传感器数据。本章将系统讲解 Arduino IDE、PlatformIO 和 MicroPython 三条主流工具链的安装配置、核心操作与适用场景，帮助你根据项目需求选择最合适的开发路径。

上图展示了三条工具链的核心定位与工作流程。Arduino IDE 以极低的上手门槛著称，适合初学者和快速原型验证；PlatformIO 面向专业嵌入式开发，提供强大的工程管理和多平台支持；MicroPython 则让熟悉 Python 的开发者能够以脚本方式快速采集传感器数据。在实际项目中，这三者并非互斥，很多开发者会在不同阶段切换使用。

4.1 核心原理：工具链的本质与选型逻辑

数据采集软件环境的核心任务可以拆解为三个层次：编写代码（将采集逻辑转化为机器可执行的指令）、编译/解释（将高级语言转换为目标芯片可运行的二进制或字节码）、烧录/部署（将程序写入芯片并启动运行）。不同工具链在这三个层次上的实现方式不同，决定了它们各自的优劣势。

对比维度	Arduino IDE	PlatformIO	MicroPython
语言基础	C/C++（简化封装）	C/C++（原生支持）	Python 3 子集
编译方式	本地编译器（avr-gcc等）	本地编译器 + 构建系统	解释执行（需预烧固件）
工程结构	单文件 .ino 为主	多文件工程（src/lib/include）	脚本文件 + 文件系统
依赖管理	库管理器（手动安装）	platformio.ini 声明式管理	pip 风格（部分支持）
调试能力	串口打印为主	支持 JTAG/SWD 调试	REPL 交互式调试
适用场景	教学、快速原型	产品开发、多目标平台	AI 原型验证、脚本化采集

选型时需考虑三个关键因素：团队技术栈（是否熟悉 Python 或 C++）、目标硬件（是否支持 MicroPython 固件）、项目阶段（原型验证还是量产开发）。例如，如果你计划使用 ESP32-S3 采集 IMU 数据并训练手势识别模型，MicroPython 可以让你快速迭代采集脚本；但如果需要精确控制采样时序或使用 DMA 传输，PlatformIO 的底层访问能力更合适。

4.2 操作流程：三条工具链的安装与配置

4.2.1 Arduino IDE 安装与配置

Arduino IDE 的安装过程相对简单，但需要注意板卡包和驱动两个关键环节。

1. 下载安装：访问 arduino.cc 下载对应操作系统的安装包（Windows/macOS/Linux）。建议安装 2.x 版本，其界面更现代且支持自动补全。
2. 安装 USB 驱动：对于 ESP32、CH340 等常见芯片，需要安装 USB 转串口驱动。Windows 用户可在设备管理器中检查是否识别为 COM 口，若出现未知设备则需手动安装驱动。
3. 添加开发板管理器地址：打开 文件 → 首选项，在“附加开发板管理器网址”中添加 JSON 地址。例如 ESP32 的地址为：https://raw.githubusercontent.com/espressif/arduino-esp32/gh-pages/package_esp32_index.json
4. 安装板卡包：打开 工具 → 开发板 → 开发板管理器，搜索“esp32”并安装。安装完成后即可在开发板列表中选择对应的型号。
5. 验证安装：连接开发板，选择正确的端口和板型，上传一个 Blink 示例程序验证环境是否正常。

// Blink 示例（验证环境）
void setup() {
  pinMode(LED_BUILTIN, OUTPUT);
}
void loop() {
  digitalWrite(LED_BUILTIN, HIGH);
  delay(1000);
  digitalWrite(LED_BUILTIN, LOW);
  delay(1000);
}

4.2.2 PlatformIO 安装与配置

PlatformIO 的核心优势在于其工程化管理和跨平台能力。推荐使用 VS Code 插件方式安装。

1. 安装 VS Code：从 code.visualstudio.com 下载安装。
2. 安装 PlatformIO 插件：在 VS Code 扩展市场中搜索“PlatformIO IDE”并安装。安装完成后，左侧会出现 PlatformIO 图标。
3. 创建新项目：点击 PlatformIO 主页的“New Project”，输入项目名称，选择开发板（如 ESP32 Dev Module）和框架（Arduino 或 ESP-IDF）。PlatformIO 会自动下载对应的工具链和框架。
4. 配置 platformio.ini：这是项目的核心配置文件，所有依赖和构建选项都在此声明。

; platformio.ini 示例
[env:esp32dev]
platform = espressif32
board = esp32dev
framework = arduino
monitor_speed = 115200
lib_deps =
    adafruit/Adafruit MPU6050
    adafruit/Adafruit Unified Sensor

5. 编译与上传：点击底部状态栏的 ✓（编译）和 →（上传）按钮，或使用命令行 pio run 和 pio run -t upload。

4.2.3 MicroPython 安装与配置

MicroPython 的安装分为固件烧录和开发环境两部分。

1. 下载固件：从 micropython.org 下载对应开发板的 .uf2 或 .bin 固件文件。
2. 烧录固件：对于 Raspberry Pi Pico，按住 BOOTSEL 按钮插入 USB，会弹出 U 盘，将 .uf2 文件拖入即可。对于 ESP32，可使用 esptool 工具：esptool.py --port COM3 erase_flash 然后 esptool.py --port COM3 write_flash -z 0x1000 firmware.bin
3. 连接 REPL：使用 Thonny IDE（推荐）或 mpremote 工具连接串口。Thonny 可在其官网下载，安装后选择“MicroPython (ESP32)”解释器并选择对应串口。
4. 上传脚本：在 Thonny 中编写 .py 文件，点击“运行”即可在设备上执行，或保存到设备文件系统中。

# MicroPython 读取温度传感器示例
from machine import Pin, I2C
import time
import dht

dht_pin = Pin(4, Pin.IN)
sensor = dht.DHT22(dht_pin)

while True:
    sensor.measure()
    print("温度: {:.1f}°C, 湿度: {:.1f}%".format(sensor.temperature(), sensor.humidity()))
    time.sleep(2)

4.3 案例拆解：基于 ESP32 的三轴加速度计数据采集

下面通过一个完整的案例，对比三条工具链在实现同一功能时的差异。假设我们需要以 100Hz 采样率读取 MPU6050 加速度计数据，并通过串口输出。

场景约束：使用 ESP32 DevKitC V4 开发板，MPU6050 通过 I2C 连接（SDA=GPIO21, SCL=GPIO22），需要连续采集 10 秒数据用于后续模型训练。

Arduino IDE 实现：

#include <Wire.h>
#include <MPU6050.h>

MPU6050 mpu;
unsigned long lastTime = 0;
const int sampleRate = 100; // Hz

void setup() {
  Serial.begin(115200);
  Wire.begin(21, 22);
  mpu.initialize();
  if (!mpu.testConnection()) {
    Serial.println("MPU6050 连接失败");
    while(1);
  }
}

void loop() {
  if (millis() - lastTime >= 1000/sampleRate) {
    lastTime = millis();
    int16_t ax, ay, az;
    mpu.getAcceleration(&ax, &ay, &az);
    Serial.print(ax); Serial.print(",");
    Serial.print(ay); Serial.print(",");
    Serial.println(az);
  }
}

PlatformIO 实现：工程结构为 src/main.cpp，代码与 Arduino 类似，但需要在 platformio.ini 中声明依赖：lib_deps = adafruit/Adafruit MPU6050。PlatformIO 会自动下载并管理库，无需手动安装。

MicroPython 实现：

from machine import Pin, I2C, Timer
import time

i2c = I2C(0, scl=Pin(22), sda=Pin(21), freq=400000)
# 假设使用 mpu6050 库（需提前上传到设备）
import mpu6050
mpu = mpu6050.MPU6050(i2c)

def sample(timer):
    accel = mpu.get_accel_data()
    print("{},{},{}".format(accel['x'], accel['y'], accel['z']))

timer = Timer(0)
timer.init(period=10, mode=Timer.PERIODIC, callback=sample)  # 100Hz

# 主循环保持运行
while True:
    time.sleep(1)

结果对比：三条工具链均能实现 100Hz 采样，但存在明显差异。Arduino IDE 代码最直观，适合教学；PlatformIO 的工程化结构便于后续扩展（如添加滤波算法、SD 卡存储）；MicroPython 的 Timer 回调方式代码最简洁，但采样精度受解释器调度影响，实测抖动约 ±2ms，而 C/C++ 实现可控制在 ±0.5ms 以内。

4.4 常见误区与总结复盘

在实际教学中，学员经常遇到以下几类问题，需要特别注意：

• 串口乱码：通常是因为串口监视器的波特率与代码中 Serial.begin() 设置不一致。ESP32 默认 115200，但某些开发板可能使用 9600 或 74880。
• 板卡选择错误：ESP32 有多个变体（DevKitC、WROOM、WROVER），不同型号的 Flash 大小和 PSRAM 不同，选错可能导致编译失败或运行异常。
• MicroPython 固件与库不匹配：部分传感器库需要特定版本的 MicroPython 固件，建议使用官方最新稳定版。
• PlatformIO 下载缓慢：首次创建项目需要下载工具链，国内用户可配置镜像源加速。

总结：选择工具链的核心原则是“匹配项目阶段”。对于 TinyML 数据采集，建议采用以下策略：初期使用 MicroPython 快速验证传感器选型和采集逻辑；中期切换到 PlatformIO 进行精确的时序控制和数据记录；最终在模型训练阶段，使用 Python 脚本（PC 端）处理采集到的数据。掌握三条工具链的切换能力，能让你在不同开发阶段游刃有余。