1. 项目概述：打造你的专属气象站

你是否曾对天气预报的准确性感到好奇，或者想亲手搭建一个属于自己的环境监测系统？在智能家居、小型温室种植或是工作室环境监控等场景下，一个能够实时、精准反馈本地微气候的设备，其价值远超依赖宏观区域预报的通用天气应用。今天，我们就来动手实现一个基于树莓派（Raspberry Pi）和Flask框架的物联网气象监测系统。这个项目不仅成本低廉、易于构建，更能让你深入理解物联网（IoT）从数据采集、传输到可视化展示的完整链路。

整个系统的核心逻辑非常清晰：我们利用树莓派作为“大脑”和微型服务器，通过其通用输入输出（GPIO）引脚连接DHT11温湿度传感器，实时采集物理环境数据。随后，使用Python编写数据采集逻辑，并借助轻量级的Flask Web框架，将采集到的数据封装成RESTful API接口。最终，通过一个简洁的网页前端，你可以在任何连接同一网络的设备上，实时查看当前的温湿度读数，甚至回溯过去一段时间的数据变化曲线。这不仅仅是拼接硬件和复制代码，我们将深入探讨每一步背后的设计考量、参数选择以及实际部署中可能遇到的“坑”，确保你不仅能成功复现，更能透彻理解其工作原理。

2. 核心硬件选型与电路连接解析

2.1 硬件清单与选型理由

一份清晰的物料清单是项目成功的起点。以下是构建本系统所需的核心硬件及其选型背后的思考：

  • Raspberry Pi 3 Model B+ (或更新型号) ：作为项目的主控制器和服务器。选择树莓派3B+而非更早型号，主要因其集成了Wi-Fi和蓝牙，免去了额外配置无线网卡的麻烦，部署位置更灵活。如果使用树莓派4，其更强的处理能力和双频Wi-Fi会带来更流畅的Web服务体验，但本项目对算力要求不高，三代及以上型号均完全胜任。
  • Micro SD卡 (建议16GB Class10及以上) ：用于安装树莓派操作系统（Raspberry Pi OS）和项目代码。Class10及以上规格能保证系统运行和读写速度，避免因存储卡性能瓶颈导致系统卡顿。
  • DHT11温湿度传感器 ：本项目的数据来源。选择DHT11而非更精确的DHT22或BME280，主要基于两点考虑：一是成本极低，非常适合入门和验证概念；二是其单总线（1-Wire）通信协议，仅需一个GPIO引脚进行数据读写，接线和编程都相对简单。需要明确的是，DHT11的精度（温度±2°C，湿度±5%RH）和响应速度对于家庭室内环境监测是完全足够的，它的局限性在于不适合需要高精度或快速变化的工业场景。
  • 杜邦线 (母对母，4根) ：用于连接树莓派GPIO引脚与DHT11传感器。母对母接口可以直接插在引脚和传感器针脚上，无需焊接，非常适合原型搭建。
  • 5V Micro USB电源 (额定电流≥2.5A) ：为树莓派供电。务必使用质量合格的电源，电流不足可能导致树莓派在高负载时重启，尤其是在连接了外设的情况下。
  • 可选配件 ：
    • 面包板 ：虽然不是必须，但使用面包板进行连接可以使接线更整洁，也方便后续扩展其他传感器（如光敏电阻、气压计）。
    • 外壳与散热片 ：为树莓派安装外壳和散热片能提升其长期运行的稳定性，尤其是在密闭空间或夏季高温环境。
    • 显示器、键盘、鼠标 ：用于初次设置树莓派。一旦完成基础系统配置并开启SSH，后续所有操作都可以通过远程终端完成。

注意 ：DHT11传感器有模块化和封装体两种常见形态。建议使用自带板载上拉电阻和滤波电容的模块化版本（通常为蓝色PCB），它比三针的封装体版本更稳定，抗干扰能力更强，对新手更友好。

2.2 电路连接详解与原理

正确的硬件连接是数据采集的物理基础。DHT11与树莓派的连接看似简单，但理解其原理能有效避免后续的通信故障。

DHT11模块通常有三个引脚（有些是四个，其中一个是空脚）：

  1. VCC (电源正极) ：接树莓派的 3.3V 引脚（例如物理引脚1）。 这里有一个关键点 ：虽然DHT11模块的工作电压范围是3.3V-5.5V，但树莓派的GPIO引脚逻辑电平是3.3V。如果将DHT11的VCC接到5V引脚，其数据引脚输出的高电平可能是5V，这有可能损坏树莓派的GPIO引脚。为安全起见，统一使用3.3V供电是最稳妥的方案。
  2. DATA (数据线) ：接树莓派的任意一个 GPIO 引脚（例如我们选用 GPIO4 ，对应物理引脚7）。这条线负责双向通信。
  3. GND (地线) ：接树莓派的 GND 引脚（例如物理引脚6）。

连接示意图（文字描述） ：

  • 将DHT11模块的 VCC 引脚（通常标记为‘+’或‘VDD’）用一根杜邦线连接到树莓派的 物理引脚1 (3.3V电源) 。
  • 将DHT11模块的 DATA 引脚（有时标记为‘OUT’或‘S’）用一根杜邦线连接到树莓派的 物理引脚7 (GPIO4) 。
  • 将DHT11模块的 GND 引脚（标记为‘-’或‘GND’）用一根杜邦线连接到树莓派的 物理引脚6 (GND) 。

为什么选择GPIO4？ 树莓派的GPIO引脚在软件层面是通用的，选择GPIO4并没有特殊硬件原因，主要是因为它位置方便（靠近3.3V和GND引脚），且不易与其他系统功能（如UART、I2C）冲突。你完全可以选择其他可用的GPIO，如GPIO17、GPIO27等，只需在代码中相应修改即可。

实操心得 ：连接时，最好在树莓派断电状态下进行。插拔杜邦线时，确保对准引脚，避免因短路或错位导致硬件损坏。连接完成后，可以轻轻拉扯一下线材，确认接触牢固。

3. 软件环境搭建与核心库剖析

硬件准备就绪后，我们需要为树莓派构建一个稳定的软件运行环境。这个过程包括操作系统安装、基础配置以及Python库的安装。

3.1 树莓派系统初始化与远程访问配置

首先，需要在SD卡上安装树莓派操作系统（Raspberry Pi OS Lite版本即可，无需桌面环境以节省资源）。使用官方工具Raspberry Pi Imager进行烧录是最简单的方式。在烧录前，Imager的高级设置（按Ctrl+Shift+X）中，务必预先完成以下几项关键配置，这能极大简化后续步骤：

  1. 启用SSH ：勾选“Enable SSH”，并设置密码认证或公钥认证。这是实现无头（Headless，即无显示器）运行和远程管理的基石。
  2. 配置Wi-Fi ：填入你的无线网络名称（SSID）和密码，并选择国家代码（如CN）。这样树莓派在首次启动时就能自动连接网络。
  3. 设置主机名与用户 ：建议设置一个易记的主机名，如 weather-pi ，并创建你的用户名和密码。避免使用默认的 pi 用户以增强安全性。

烧录完成后，将SD卡插入树莓派并上电。等待几分钟后，你可以在路由器管理界面查找名为 weather-pi （或你设置的主机名）的设备，记下其IP地址。随后，即可在电脑上使用SSH客户端（如Windows的PuTTY或终端下的 ssh 命令）进行连接： ssh your_username@weather-pi.local 或 ssh your_username@<树莓派IP地址> 。

3.2 Python虚拟环境与依赖库安装

连接到树莓派后，首先更新系统软件包列表： sudo apt update && sudo apt upgrade -y 。

接下来，我们为项目创建一个独立的Python虚拟环境。这能隔离项目依赖，避免与系统Python环境发生冲突，是Python项目开发的最佳实践。

# 安装python3虚拟环境工具（如果尚未安装）
sudo apt install python3-venv -y

# 创建一个项目目录并进入
mkdir ~/weather_station && cd ~/weather_station

# 创建名为‘venv’的虚拟环境
python3 -m venv venv

# 激活虚拟环境
source venv/bin/activate

激活后，命令行提示符前会出现 (venv) 标识。现在所有 pip 安装的包都将仅限于此环境内。

根据项目描述，我们需要安装以下Python库。我们来逐一解释每个库的作用：

pip install RPi.GPIO requests flask flask-restful flask-wtf wtforms
  • RPi.GPIO ：这是树莓派GPIO编程的核心库。它提供了用Python控制GPIO引脚（如设置输入/输出模式、读取数字信号、输出PWM波等）的接口。我们的代码将通过它来与DHT11传感器通信。
  • Flask ：一个极其轻量灵活的Python Web框架。它负责处理HTTP请求和响应。在我们的项目中，Flask将扮演Web服务器的角色，监听特定的网络端口，当用户通过浏览器访问时，返回包含温湿度数据的网页。
  • Flask-RESTful ：Flask的一个扩展，用于快速构建RESTful API。它可以帮助我们以更结构化、更符合REST规范的方式定义数据接口（如 /api/temperature , /api/humidity ），虽然在本项目的简单表单交互中不是必须，但它让后端API设计更清晰，便于未来扩展为手机App提供数据。
  • Flask-WTF 与 WTForms ：这两个库配合使用，用于在Web应用中安全地生成和处理表单。WTForms定义了表单的结构和验证规则，Flask-WTF则将其与Flask集成。我们将用它来创建网页上那个让用户选择查看“温度”、“湿度”或“图表”的复选框表单。
  • requests ：一个优雅而简单的HTTP库。虽然在我们的服务器端代码中可能不直接使用，但在测试API接口，或者未来编写一个独立的客户端程序来从多个气象站聚合数据时，它会非常有用。先安装以备不时之需。

注意事项 ：在树莓派上使用 pip 安装某些需要编译的库时，可能会因为内存不足而失败。如果遇到这种情况，可以尝试增加交换空间（swap），或者使用 pip install --no-cache-dir 选项。对于 RPi.GPIO ，也可以直接通过系统包管理器安装： sudo apt install python3-rpi.gpio ，但这样安装的库会在系统Python环境中，而非我们的虚拟环境内。

4. 核心代码实现与Flask应用架构

有了环境，我们就可以开始编写项目的核心代码了。我们将按照MVC（模型-视图-控制器）的简化思想来组织代码，但更贴切地说，是数据采集层、业务逻辑层和表现层的分离。

4.1 数据采集层：与DHT11传感器对话

首先，我们创建一个专门负责与传感器打交道的模块 sensor_reader.py 。DHT11的通信协议是单总线协议，时序要求严格。虽然我们可以用 RPi.GPIO 库手动实现时序，但使用一个成熟的第三方库 Adafruit_DHT 会更稳定、更简单。我们需要先安装它： pip install Adafruit_DHT 。

# sensor_reader.py
import Adafruit_DHT
import time
from datetime import datetime

# 定义传感器类型和GPIO引脚
DHT_SENSOR = Adafruit_DHT.DHT11
DHT_PIN = 4  # 对应我们之前连接的GPIO4

class SensorReader:
    def __init__(self, max_retries=3):
        self.max_retries = max_retries
        self.readings_cache = []  # 用于存储最近24次读数
        self.max_cache_size = 24

    def read_sensor(self):
        """尝试读取传感器数据，失败时重试"""
        for attempt in range(self.max_retries):
            humidity, temperature = Adafruit_DHT.read_retry(DHT_SENSOR, DHT_PIN)
            if humidity is not None and temperature is not None:
                # 读取成功，构建数据对象
                reading = {
                    'timestamp': datetime.now().strftime('%Y-%m-%d %H:%M:%S'),
                    'temperature': round(temperature, 1),
                    'humidity': round(humidity, 1)
                }
                # 更新缓存
                self._update_cache(reading)
                return reading
            else:
                print(f"传感器读取失败，第{attempt+1}次重试...")
                time.sleep(1)  # 等待1秒后重试
        # 所有重试都失败
        print("错误：无法从DHT11传感器获取数据。请检查连接。")
        return None

    def _update_cache(self, new_reading):
        """管理最近24次读数的缓存"""
        self.readings_cache.append(new_reading)
        # 如果超过最大缓存数，移除最旧的读数
        if len(self.readings_cache) > self.max_cache_size:
            self.readings_cache.pop(0)

    def get_recent_readings(self):
        """获取缓存的最近读数"""
        return self.readings_cache

# 单例模式，确保全局只有一个传感器读取实例
sensor_reader = SensorReader()

代码解析 ：

  1. Adafruit_DHT.read_retry() 函数封装了DHT11通信的复杂时序和错误重试逻辑，比我们自己写轮询更可靠。
  2. 我们定义了一个 SensorReader 类，它内部维护了一个最多存储24次读数的缓存列表。每次成功读取后，新数据被追加，如果超过24条，最老的数据被移除（先进先出）。
  3. read_sensor 方法在读取失败时会自动重试最多3次，提高了在偶尔信号干扰下的鲁棒性。
  4. 数据中加入了时间戳，这对于绘制历史图表至关重要。

4.2 业务逻辑与API层：Flask应用核心

接下来，创建主应用文件 app.py ，这里将集成Flask服务器、表单处理和数据接口。

# app.py
from flask import Flask, render_template, request, jsonify
from flask_wtf import FlaskForm
from wtforms import BooleanField, SubmitField
from wtforms.validators import DataRequired
from sensor_reader import sensor_reader
import json

app = Flask(__name__)
app.config['SECRET_KEY'] = 'your-secret-key-please-change-this'  # 务必修改！

# 定义Web表单
class WeatherRequestForm(FlaskForm):
    request_temp = BooleanField('温度')
    request_humid = BooleanField('湿度')
    request_graph = BooleanField('历史图表')
    submit = SubmitField('获取数据')

@app.route('/', methods=['GET', 'POST'])
def index():
    form = WeatherRequestForm()
    latest_reading = None
    recent_for_chart = []

    if form.validate_on_submit():
        # 用户提交了表单
        latest_reading = sensor_reader.read_sensor()  # 触发一次新的读取

        # 根据用户选择，准备要传递到模板的数据
        show_temp = form.request_temp.data
        show_humid = form.request_humid.data
        show_graph = form.request_graph.data

        if show_graph:
            recent_for_chart = sensor_reader.get_recent_readings()

        # 渲染模板，并传递用户需要的选项和对应的数据
        return render_template('display.html',
                               form=form,
                               show_temp=show_temp,
                               show_humid=show_humid,
                               show_graph=show_graph,
                               reading=latest_reading,
                               chart_data=recent_for_chart)

    # GET请求或表单未验证，只显示空表单
    return render_template('index.html', form=form)

# 新增：纯数据API接口，供其他程序调用（如手机App）
@app.route('/api/current', methods=['GET'])
def api_current():
    reading = sensor_reader.read_sensor()
    if reading:
        return jsonify(reading), 200
    else:
        return jsonify({'error': 'Sensor read failed'}), 500

@app.route('/api/history', methods=['GET'])
def api_history():
    return jsonify(sensor_reader.get_recent_readings()), 200

if __name__ == '__main__':
    # 在树莓派上运行时，host='0.0.0.0'允许同一网络内其他设备访问
    app.run(host='0.0.0.0', port=5000, debug=True)

设计思路解析 ：

  1. 表单驱动交互 ：我们没有设计复杂的多页面，而是用一个表单（ WeatherRequestForm ）控制所有交互。用户勾选需要的选项后提交，服务器根据勾选情况采集一次新数据，并只渲染用户关心的部分到结果页面（ display.html ）。这种设计非常简洁高效。
  2. RESTful API扩展 ：除了表单页面，我们还增加了 /api/current 和 /api/history 两个API端点。它们直接返回JSON格式的数据，不包含任何HTML。这使得我们的气象站数据可以被其他应用程序（比如用Python脚本定时记录、或用手机App框架开发的客户端）轻松消费，极大地提升了项目的可扩展性。
  3. 密钥安全 ： SECRET_KEY 用于保护表单免受跨站请求伪造（CSRF）攻击。 务必在生产环境中将其修改为一个强随机字符串 ，例如通过 os.urandom(24) 生成。

4.3 表现层：HTML模板构建

Flask使用Jinja2模板引擎。我们需要在项目根目录下创建一个 templates 文件夹，并在其中放置HTML文件。

index.html 是首页，仅包含表单：

<!DOCTYPE html>
<html>
<head>
    <title>我的个人气象站</title>
    <style>
        body { font-family: sans-serif; margin: 40px; }
        .form-group { margin-bottom: 15px; }
        label { margin-right: 10px; }
    </style>
</head>
<body>
    <h1>欢迎使用个人气象站</h1>
    <p>请选择您要查看的信息：</p>
    <form method="POST">
        {{ form.hidden_tag() }} <!-- 渲染CSRF令牌 -->
        <div class="form-group">
            {{ form.request_temp.label }} {{ form.request_temp() }}
        </div>
        <div class="form-group">
            {{ form.request_humid.label }} {{ form.request_humid() }}
        </div>
        <div class="form-group">
            {{ form.request_graph.label }} {{ form.request_graph() }}
        </div>
        <div class="form-group">
            {{ form.submit() }}
        </div>
    </form>
</body>
</html>

display.html 是结果显示页，动态渲染内容：

<!DOCTYPE html>
<html>
<head>
    <title>气象数据 - 我的个人气象站</title>
    <script src="https://cdn.jsdelivr.net/npm/chart.js"></script> <!-- 引入Chart.js用于绘图 -->
    <style>
        body { font-family: sans-serif; margin: 40px; }
        .data-box { border: 1px solid #ccc; padding: 20px; margin: 20px 0; border-radius: 5px; }
        h2 { color: #333; }
    </style>
</head>
<body>
    <h1>气象数据</h1>
    <a href="/">返回首页</a>

    {% if show_temp or show_humid %}
    <div class="data-box">
        <h2>实时读数</h2>
        <p><strong>数据更新时间：</strong>{{ reading.timestamp if reading else 'N/A' }}</p>
        {% if show_temp %}
        <p><strong>温度：</strong>{{ reading.temperature if reading else 'N/A' }} °C</p>
        {% endif %}
        {% if show_humid %}
        <p><strong>湿度：</strong>{{ reading.humidity if reading else 'N/A' }} %</p>
        {% endif %}
    </div>
    {% endif %}

    {% if show_graph and chart_data %}
    <div class="data-box">
        <h2>最近24次读数趋势</h2>
        <canvas id="weatherChart" width="800" height="400"></canvas>
        <script>
            const chartData = {{ chart_data | tojson }};
            const labels = chartData.map(d => d.timestamp);
            const tempData = chartData.map(d => d.temperature);
            const humidData = chartData.map(d => d.humidity);

            const ctx = document.getElementById('weatherChart').getContext('2d');
            const weatherChart = new Chart(ctx, {
                type: 'line',
                data: {
                    labels: labels,
                    datasets: [{
                        label: '温度 (°C)',
                        data: tempData,
                        borderColor: 'rgb(255, 99, 132)',
                        tension: 0.1
                    }, {
                        label: '湿度 (%)',
                        data: humidData,
                        borderColor: 'rgb(54, 162, 235)',
                        tension: 0.1
                    }]
                },
                options: {
                    responsive: false,
                    scales: {
                        y: {
                            beginAtZero: false
                        }
                    }
                }
            });
        </script>
    </div>
    {% elif show_graph %}
    <p>暂无足够的历史数据绘制图表。</p>
    {% endif %}

    <hr>
    <h3>再次查询</h3>
    <!-- 复用同一个表单，方便用户继续查询 -->
    <form method="POST">
        {{ form.hidden_tag() }}
        <div>
            {{ form.request_temp.label }} {{ form.request_temp() }}
            {{ form.request_humid.label }} {{ form.request_humid() }}
            {{ form.request_graph.label }} {{ form.request_graph() }}
        </div>
        {{ form.submit() }}
    </form>
</body>
</html>

前端交互亮点 ：

  1. 条件渲染 ：使用Jinja2的 {% if %} 语句，只在用户勾选了相应选项时才渲染对应的数据区块（温度、湿度、图表）。这使得页面非常干净。
  2. 动态图表 ：我们引入了强大的Chart.js库来绘制折线图。后端将缓存的24次数据以JSON格式传递给模板，前端JavaScript解析这些数据并动态生成交互式图表。这比让后端生成静态图片要灵活和美观得多。
  3. 用户体验 ：在结果显示页底部再次放置了表单，用户无需返回首页即可进行下一次查询，操作流程更顺畅。

5. 系统部署、测试与优化

代码编写完成后，我们需要将其部署到树莓派上并确保其稳定、长期运行。

5.1 启动测试与问题排查

首先，在项目目录下激活虚拟环境并运行Flask开发服务器：

cd ~/weather_station
source venv/bin/activate
python app.py

如果一切正常，终端会输出类似 * Running on http://0.0.0.0:5000/ 的信息。

现在，从同一局域网内的另一台设备（如笔记本电脑或手机）的浏览器中，访问 http://<树莓派的IP地址>:5000 。你应该能看到表单页面。尝试勾选不同选项并提交，观察是否能正确显示数据。

常见问题与排查技巧实录 ：

  1. 问题：页面显示“无法从DHT11传感器获取数据”或读数一直为None。

    • 排查思路 ：
      • 检查硬件连接 ：这是最常见的问题。务必确认VCC、DATA、GND三根线没有接错或接触不良。可以尝试重新插拔杜邦线。
      • 检查GPIO引脚号 ：确认代码中的 DHT_PIN （如GPIO4）与实际物理连接（物理引脚7）对应。树莓派有BCM编号（GPIO编号）和物理引脚编号， RPi.GPIO 和 Adafruit_DHT 库默认使用BCM编号。
      • 电源问题 ：确保树莓派电源充足，且传感器由3.3V供电。尝试用万用表测量3.3V引脚和GND之间的电压是否稳定。
      • 软件库问题 ：确认 Adafruit_DHT 库已正确安装在当前虚拟环境中。可以尝试在Python交互环境中手动导入并测试： import Adafruit_DHT; Adafruit_DHT.read_retry(Adafruit_DHT.DHT11, 4) 。
      • 传感器损坏 ：DHT11是静电敏感器件，有极小的概率在操作中损坏。有条件的话可以换一个传感器测试。

  2. 问题：能读到数据，但数值明显不准（如温度30°C，实际只有25°C）。

    • ��查思路 ：
      • 传感器位置 ：DHT11对热源非常敏感。确保它没有靠近树莓派的CPU（树莓派运行时会有一定发热）、电源模块或其他热源。
      • 通风与遮蔽 ：传感器不应被阳光直射，也不应被完全密闭在不透气的容器内。将其放置在能代表你希望监测环境空气的位置。
      • 理解精度 ：回忆DHT11的精度指标（±2°C， ±5%RH）。对于室内环境监测，这个精度通常可以接受。如果要求更高，应考虑升级到DHT22或BME280。

  3. 问题：Web页面无法访问（连接被拒绝）。

    • 排查思路 ：
      • 检查Flask是否运行 ：确认在树莓派终端上，Flask应用正在运行且没有报错退出。
      • 检查IP地址和端口 ：确认你输入的树莓派IP地址正确，并且Flask运行在 0.0.0.0:5000 。
      • 检查防火墙 ：树莓派OS Lite版默认防火墙（UFW）可能是关闭的。如果开启了，需要允许5000端口： sudo ufw allow 5000 。
      • 检查网络 ：确保测试设备和树莓派连接在同一个局域网内。

5.2 生产环境部署：使用Gunicorn与Nginx

Flask自带的开发服务器（ app.run ）性能较弱且不安全，不适合长期对外服务。我们需要使用专业的WSGI服务器和反向代理。

  1. 安装Gunicorn ：在虚拟环境中安装生产级WSGI服务器。 pip install gunicorn

  2. 使用Gunicorn启动应用 ：

    cd ~/weather_station
source venv/bin/activate
gunicorn -w 2 -b 0.0.0.0:8000 app:app
    • -w 2 ：启动2个工作进程，处理并发请求。
    • -b 0.0.0.0:8000 ：绑定到所有网络接口的8000端口。
    • app:app ：冒号前的 app 是模块名（即我们的 app.py 文件），冒号后的 app 是Flask应用实例的名字。

    现在应用运行在8000端口。访问 http://<树莓派IP>:8000 进行测试。

  3. 配置系统服务（让应用开机自启） ： 创建一个系统服务文件，让树莓派在启动时自动运行我们的气象站应用。

    sudo nano /etc/systemd/system/weather-station.service

    写入以下内容（ 注意修改 User 、 WorkingDirectory 和 ExecStart 的路径为你的实际信息 ）：

    [Unit]
Description=Personal Weather Station Flask App
After=network.target

[Service]
User=your_username  # 替换为你的树莓派用户名
WorkingDirectory=/home/your_username/weather_station
ExecStart=/home/your_username/weather_station/venv/bin/gunicorn -w 2 -b 0.0.0.0:8000 app:app
Restart=always
RestartSec=10
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=weather-station

[Install]
WantedBy=multi-user.target

    保存退出后，启用并启动服务：

    sudo systemctl daemon-reload
sudo systemctl enable weather-station.service
sudo systemctl start weather-station.service
sudo systemctl status weather-station.service # 检查状态，应为active (running)

  4. 配置Nginx作为反向代理（可选但推荐） ： 使用Nginx可以将服务映射到标准的80端口（HTTP），并提供更好的静态文件处理和安全性。

    • 安装Nginx： sudo apt install nginx -y
    • 编辑默认站点配置： sudo nano /etc/nginx/sites-available/default
    • 在 server 块内，找到 location / 部分，修改或添加如下配置： 
      location / {
    proxy_pass http://127.0.0.1:8000; # 转发给Gunicorn
    proxy_set_header Host $host;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    proxy_set_header X-Forwarded-Proto $scheme;
}
    • 测试配置并重启Nginx： 
      sudo nginx -t  # 测试配置文件语法
sudo systemctl restart nginx

    现在，你可以直接通过 http://<树莓派IP> 访问你的气象站，无需输入端口号。

5.3 项目优化与扩展思路

一个基础系统搭建完成后，可以考虑以下方向进行优化和扩展，使其更实用、更强大：

  1. 数据持久化 ：目前数据仅保存在内存列表中，树莓派重启后历史数据会丢失。可以集成SQLite或轻量级数据库TinyDB，将每次读数连同时间戳存入数据库，实现长期存储和更复杂的数据查询。
  2. 定时自动采集 ：当前是“请求-响应”模式，数据只在用户访问时更新。可以编写一个后台定时任务（例如使用 cron 或 schedule 库），每隔一定时间（如每5分钟）自动读取一次传感器数据并存储，无论用户是否访问。
  3. 多传感器集成 ：树莓派的GPIO和I2C/SPI接口可以连接更多传感器。例如，添加一个BMP280气压传感器来获取气压和海拔数据；添加一个光敏电阻来监测光照强度；甚至连接一个雨滴传感器或风速计。
  4. 数据可视化增强 ：使用更强大的前端图表库（如ECharts），展示更丰富的图表类型，如24小时温度变化曲线、温湿度关联散点图等。
  5. 报警功能 ：在代码中添加逻辑，当温度或湿度超过设定的阈值时，通过发送电子邮件（使用 smtplib ）、推送通知到手机（使用Pushover、Bark等服务）或点亮一个LED灯的方式进行报警。
  6. 远程访问（进阶） ：通过内网穿透工具（如frp、ngrok）或配置路由器端口转发（需公网IP），可以在家庭网络之外访问你的气象站。 请注意，此举会暴露你的树莓派服务到公网，务必设置强密码、考虑使用HTTPS，并做好安全加固。
  7. 电源优化 ：如果部署在远离电源插座的地方，可以考虑使用大容量充电宝供电，或者为树莓派配置一个安全的关机/唤醒电路，以节省电量。

通过以上步骤，你不仅完成了一个可工作的物联网气象监测系统，更掌握了从硬件连接到软件部署、从原型开发到生产环境配置的完整技能链。这个项目是一个绝佳的起点，你可以根据自己的兴趣和需求，不断为其添加新的功能和模块，真正打造一个完全个性化、功能强大的环境监测中心。

# 物联网
Logo
脑启社区

脑启社区是一个专注类脑智能领域的开发者社区。欢迎加入社区，共建类脑智能生态。社区为开发者提供了丰富的开源类脑工具软件、类脑算法模型及数据集、类脑知识库、类脑技术培训课程以及类脑应用案例等资源。

更多推荐

cover

医学交叉会议！EI检索！2026年人工智能与健康信息学国际学术会议（AIHI 2026）

avatar 脑启社区
cover

图解人工智能（98）人工智能前沿-走向未来

avatar 脑启社区
cover

人形机器人端到端学习及实现的技术途径：Optimus的纯视觉BEV+Transformer方案、RT-2模型跨模态迁移能力测试（上）

avatar 脑启社区