180 TinyML实战项目：环境监测与空气质量预测从一块“发疯”的传感器说起去年冬天调试一个室内空气质量监测节点，板子放在实验室角落，CO2浓度读数突然从400ppm飙到2000ppm。第一反应是传感器坏了——换了模块，问题依旧。后来发现是暖气片正好对着传感器吹，热气流导致红外光源漂移。这个坑让我意识到：TinyML项目里，算法再漂亮，传感器物理特性没摸透，数据就是垃圾。今天这个项目，就是从那块“发疯”的传感器开始的。我们要在STM32L4上跑一个轻量级模型，预测未来30分钟的PM2.5和TVOC趋势，而不是等浓度爆表了才报警。硬件选型：别被“高精度”忽悠了传感器选了Sensirion SGP40（TVOC）和Plantower PMS5003（PM2.5）。注意，SGP40输出的是“原始气体指数”，不是直接浓度值——很多新手直接拿这个数当TVOC用，模型训练出来全是噪声。正确做法是配合SHT30温湿度做补偿，公式在Sensirion的GitHub仓库里有，别自己瞎拟合。MCU用STM32L476RG，理由很简单：FPU浮点运算单元，跑TFLite Micro的量化模型时，浮点转定点运算能省30%的功耗。别用F103系列，没有FPU，量化模型推理慢到怀疑人生。数据采集：最容易被忽视的“脏活”采集频率设1Hz，但别直接喂给模型。我踩过的坑：原始数据里混着传感器自检脉冲（PMS5003每10秒会发一个0值），不滤波的话，模型会学到“每10秒掉一次”的假规律。