进入雨季之后天气变得不太稳定上午还是大太阳下午可能就是一阵暴雨紧接着又是高温闷热。这种“高温高湿积水”的组合恰恰是蚊虫繁殖最舒服的环境。身边不少做户外巡检、基站维护、弱电施工、园区绿化的朋友都在吐槽每次出门干活身上多几个包算是轻的前两天还有人因为被蚊虫叮咬引发皮肤感染跑去医院。与其靠“皮糙肉厚”硬扛不如把天气数据、蚊虫密度规律和预警逻辑做成一个小系统让出门这件事多一层数据参考。今天这篇文章就带大家从零实现一个“蚊虫活跃度监测与防蚊预警系统”。内容覆盖硬件采集、后端计算、数据库存储、可视化展示和消息推送既适合物联网方向的学生练手也能直接用在小型户外团队的管理场景里。本文会按照“原理 - 设计 - 环境准备 - 代码实现 - 排错 - 工程建议”的顺序展开代码都可以直接复制再根据你本地的实际情况调整参数即可。1. 为什么天气恶劣时蚊虫会大面积滋生在动手写代码之前先把概念讲清楚。蚊虫不是“天热就有”而是特定气象条件下才会爆发式增长。1.1 蚊虫繁殖需要哪些条件蚊子的完整生命周期包括卵、幼虫、蛹、成蚊四个阶段其中前三个阶段都离不开水。所以每次降雨之后只要地面存在积水比如废弃轮胎、排水沟、花盆托盘、露天桶罐就等于给蚊子提供了天然的“育苗场”。除了积水温度也是关键因子。大多数常见蚊种在 20℃ 到 30℃ 之间活动最频繁低于 15℃ 或高于 35℃ 时活动能力会明显下降。湿度同样重要相对湿度在 60% 到 85% 之间时蚊子存活率最高干燥环境中成蚊寿命会显著缩短。这就解释了为什么“暴雨后转晴 高温高湿”是蚊虫爆发的典型天气组合。简单说恶劣天气带来的不是蚊虫本身而是蚊虫繁殖的“基础设施”——积水和适宜温湿度。1.2 蚊媒传染病的现实风险蚊虫叮咬不只是“痒一下”的问题。登革热、疟疾、乙型脑炎、寨卡病毒等都属于蚊媒传染病传播媒介主要是伊蚊、按蚊和库蚊。虽然不同地区优势蚊种不一样但预防逻辑是相通的减少人与成蚊的接触从源头控制孳生地。对于需要在户外长时间作业的人来说意识到“当前蚊虫活跃程度”很重要。如果你在低风险时段出门穿短袖问题不大但如果系统判断当前处于高风险时段就需要提前准备长袖衣物和驱蚊剂。1.3 这类系统能解决什么问题一个完整的防蚊预警系统并不会直接“杀蚊子”它做的事情是持续采集环境温湿度、降雨量和风力数据把气象数据带入蚊虫活跃度模型计算出当前蚊虫活跃指数根据指数划分低风险、中风险、高风险等级输出对应的防蚊建议通过可视化页面和消息推送触达使用者。简单来说这个系统解决的是“凭经验判断是否需要注意防蚊”的问题把它变成“有数据支撑的自动化判断”。这对户外作业团队排班、个人出门决策都有帮助。2. 系统总体设计与技术选型这套系统涉及的模块不少但都不复杂。先明确功能边界再选型避免后面写代码时来回改。2.1 功能模块拆解整个系统按数据流向可以分为五个部分环境数据采集端负责采集温度、湿度、降雨和风力数据。数据接入服务接收采集端上报的数据做基础校验和格式转换。蚊虫活跃度计算模块核心规则引擎把气象数据换算成蚊虫活跃指数。数据存储模块保存历史记录方便后续分析和报表展示。可视化与通知模块网页看板展示实时状态同时向钉钉、飞书等群机器人推送预警。这套结构既可以在本机跑通也能拆成多台设备部署。对于学习阶段建议先在一台电脑上把完整链路跑通再考虑硬件接入。2.2 技术选型说明采集端采用 ESP8266 开发板搭配 DHT11 温湿度传感器和 YL-83 雨水传感器。ESP8266 自带 Wi-Fi可以把数据通过 HTTP 请求直接提交到后端不需要额外买网关。后端服务选择 Python Flask。Flask 足够轻量编写接口和业务逻辑都非常快适合这种中小型数据接入服务。数据库选择 SQLite。系统记录量不大SQLite 零配置文件、单文件存储非常适合教学和中小规模部署。前端展示使用原生 HTML ECharts。ECharts 是使用非常广泛的图表库用来画温湿度趋势和蚊虫指数变化曲线非常方便。预警通知通过钉钉或飞书群机器人 Webhook 完成。后端计算出高风险等级后自动向配置好的群机器人发送消息。这里需要说明群机器人的 Webhook 地址属于敏感信息请务必妥善保管不要提交到公开仓库。2.3 整体数据流[传感器采集] - [ESP8266 上报 HTTP] - [Flask 接收接口] | v [规则引擎计算指数] | v [SQLite 存储] - [ECharts 可视化] | v [钉钉/飞书预警]这个链路清晰每一环都能单独测试。下面我们逐步实现。3. 环境准备与版本说明版本问题需要强调一下不同开发板的固件库版本、Python 版本、Flask 版本之间存在兼容性差异下面的内容以常见环境为例重点演示实现思路具体版本请按你的实际环境调整。3.1 硬件清单设备型号/规格作用开发板ESP8266NodeMCU 或 D1 mini联网并采集传感器数据温湿度传感器DHT11 或 DHT22采集温度和相对湿度雨水传感器YL-83带模拟量输出的 LM393 模块检测是否降雨面包板与杜邦线若干电路连接供电5V 移动电源或 USB 供电给开发板供电如果手上暂时没有硬件也可以在第 5 节使用“模拟数据脚本”替代硬件采集直接把数据 POST 到后端照样能把整套软件链路跑通。3.2 软件环境操作系统Windows / macOS / Linux 均可本文示例在 Windows 11 下编写。Python推荐 3.8 以上版本需要安装 Flask 和 requests。Arduino IDE用于编写和烧录 ESP8266 程序建议安装 1.8.19 以上版本。浏览器Chrome 或 Edge用于查看可视化页面。数据库无需单独安装Python 自带 sqlite3 模块。3.3 安装 Python 依赖建议先创建虚拟环境避免依赖冲突mkdir mosquito-alert cd mosquito-alert python -m venv venv # Windows venv\Scripts\activate # macOS / Linux source venv/bin/activate pip install flask requests安装完成后可以用下面的命令确认 Flask 是否正常python -c import flask; print(flask.__version__)不同版本输出可能不同只要能打印出版本号说明环境没问题。3.4 项目目录结构为了让后续代码更清晰项目目录按下面结构组织mosquito-alert/ ├── app.py # Flask 后端主程序 ├── mosquito_model.py # 蚊虫活跃度计算模型 ├── database.py # SQLite 初始化与操作 ├── templates/ │ └── index.html # 可视化看板页面 ├── static/ │ └── app.js # 前端逻辑可选也可内联在 HTML ├── arduino/ │ └── mosquito_sensor.ino # ESP8266 采集端程序 ├── simulator/ │ └── mock_client.py # 模拟数据上报脚本 └── requirements.txt # Python 依赖清单后面写代码时请注意每个文件放置的位置保证和上面结构一致。4. 核心原理蚊虫活跃度指数如何计算这是整套系统的“大脑”。我们不需要靠复杂的机器学习模型先用一套可解释的规则来打分。4.1 气象因子权重设计根据常识蚊虫活跃度主要受四个因子影响温度、湿度、降雨和风力。打分模型设计如下温度20℃ - 30℃ 最适宜记 40 分15℃ - 20℃ 或 30℃ - 35℃ 记 25 分其他温度记 10 分。湿度60% - 85% 最适宜记 30 分40% - 60% 或 85% - 95% 记 20 分其他记 5 分。降雨检测到降雨或刚降雨近 24 小时有降雨记 20 分否则记 5 分。风力2 级以下记 10 分3 - 4 级记 5 分5 级以上记 0 分。把四项分值加起来总分在 20 到 100 之间。这个模型是简化版本目的是让规则可解释、可调整而不是追求学术精度。4.2 预警等级划分计算出总分后映射到三个预警等级活跃指数范围预警等级颜色标识建议动作0 - 39低风险绿色常规防护40 - 69中风险黄色建议穿浅色长袖并携带驱蚊喷雾70 - 100高风险红色尽量避免草丛、水边活动使用含避蚊胺的驱蚊剂这里的阈值不是固定的实际部署时可以根据本地蚊虫密度监测数据做校正。比如某地区常年湿热蚊虫基数大可能 60 分就需要触发高风险提醒。4.3 防蚊建议的生成逻辑预警等级确定后系统会输出一段文本建议。建议内容要有针对性不只是“注意防蚊”这种废话。例如高风险时输出“当前蚊虫活跃指数 85属于高风险。建议穿浅色长袖衣裤使用含避蚊胺DEET或派卡瑞丁成分的驱蚊剂避免在草丛、积水边和树荫下长时间停留回到室内后检查身上是否有蚊虫附着。”中风险和低风险也各有对应文案保证使用者收到消息后知道具体该做什么。5. 完整实战案例从零实现防蚊预警系统下面进入动手环节。我们按模块逐步编码每一段都会说明文件位置和用途。5.1 初始化数据库数据库模块负责建表和插入记录。文件路径database.py。# 文件路径database.py import sqlite3 from datetime import datetime DB_NAME mosquito.db def get_connection(): 获取数据库连接 conn sqlite3.connect(DB_NAME) return conn def init_db(): 初始化数据表 conn get_connection() cursor conn.cursor() cursor.execute( CREATE TABLE IF NOT EXISTS weather_record ( id INTEGER PRIMARY KEY AUTOINCREMENT, temperature REAL NOT NULL, humidity REAL NOT NULL, rainfall INTEGER NOT NULL, wind_level REAL NOT NULL, mosquito_index INTEGER NOT NULL, warning_level TEXT NOT NULL, suggest TEXT NOT NULL, collect_time TEXT NOT NULL ) ) conn.commit() conn.close() def save_record(temperature, humidity, rainfall, wind_level, mosquito_index, warning_level, suggest): 保存一条监测记录 conn get_connection() cursor conn.cursor() cursor.execute( INSERT INTO weather_record (temperature, humidity, rainfall, wind_level, mosquito_index, warning_level, suggest, collect_time) VALUES (?, ?, ?, ?, ?, ?, ?, ?) , (temperature, humidity, rainfall, wind_level, mosquito_index, warning_level, suggest, datetime.now().strftime(%Y-%m-%d %H:%M:%S))) conn.commit() conn.close() def get_latest_records(limit50): 查询最近 N 条记录用于前端展示 conn get_connection() cursor conn.cursor() cursor.execute( SELECT id, temperature, humidity, rainfall, wind_level, mosquito_index, warning_level, suggest, collect_time FROM weather_record ORDER BY id DESC LIMIT ? , (limit,)) rows cursor.fetchall() conn.close() return rows这里需要注意SQLite 的sqlite3模块是 Python 标准库自带的不需要额外安装。表结构中rainfall用 0 或 1 表示是否检测到降雨wind_level保存风力等级数值suggest保存系统生成的防蚊建议文本。5.2 蚊虫活跃度计算模型文件路径mosquito_model.py。# 文件路径mosquito_model.py def calc_temperature_score(temp): 温度打分20-30 度最适宜蚊虫活动 if 20 temp 30: return 40 elif 15 temp 20 or 30 temp 35: return 25 else: return 10 def calc_humidity_score(humidity): 湿度打分60%-85% 最适宜 if 60 humidity 85: return 30 elif 40 humidity 60 or 85 humidity 95: return 20 else: return 5 def calc_rainfall_score(rainfall): 降雨打分有降雨或积水环境会滋生蚊虫 return 20 if rainfall 1 else 5 def calc_wind_score(wind_level): 风力打分风力越大蚊虫活动越少 if wind_level 3: return 10 elif wind_level 4: return 5 else: return 0 def get_warning_level(score): 根据总分划分预警等级 if score 40: return 低风险 elif score 70: return 中风险 else: return 高风险 def get_suggest(level, score): 根据等级生成防蚊建议 if level 高风险: return ( f当前蚊虫活跃指数 {score}属于高风险。 建议穿浅色长袖衣裤使用含避蚊胺或派卡瑞丁成分的驱蚊剂 避免在草丛、积水边和树荫下长时间停留。 ) elif level 中风险: return ( f当前蚊虫活跃指数 {score}属于中风险。 建议随身携带驱蚊喷雾傍晚时段减少户外停留 不要在积水容器旁久留。 ) else: return ( f当前蚊虫活跃指数 {score}属于低风险。 常规防护即可但要注意清理家中和办公区域的积水。 ) def calculate_mosquito_index(temperature, humidity, rainfall, wind_level): 综合计算蚊虫活跃指数 score 0 score calc_temperature_score(temperature) score calc_humidity_score(humidity) score calc_rainfall_score(rainfall) score calc_wind_score(wind_level) level get_warning_level(score) suggest get_suggest(level, score) return score, level, suggest这个模型的好处是每个函数职责单一后续想调整某个因子的权重只需要修改对应函数即可不会牵一发而动全身。5.3 Flask 后端接口文件路径app.py。该文件组合了数据库操作、模型计算和 HTTP 接口。# 文件路径app.py import json import sqlite3 from flask import Flask, request, jsonify, render_template import database import mosquito_model app Flask(__name__) # 启动时初始化数据库 database.init_db() app.route(/) def index(): 可视化看板页面 records database.get_latest_records(50) return render_template(index.html, recordsrecords) app.route(/api/report, methods[POST]) def report(): 接收传感器上报的数据 data request.get_json() if not data: return jsonify({code: 400, message: 请求体不能为空}), 400 temperature data.get(temperature) humidity data.get(humidity) rainfall data.get(rainfall, 0) wind_level data.get(wind_level, 0) # 基础校验 if temperature is None or humidity is None: return jsonify({code: 400, message: 温度和湿度不能为空}), 400 temperature float(temperature) humidity float(humidity) rainfall int(rainfall) wind_level float(wind_level) score, level, suggest mosquito_model.calculate_mosquito_index( temperature, humidity, rainfall, wind_level ) database.save_record( temperature, humidity, rainfall, wind_level, score, level, suggest ) return jsonify({ code: 200, message: success, data: { mosquito_index: score, warning_level: level, suggest: suggest } }), 200 app.route(/api/records) def records(): 查询历史记录 rows database.get_latest_records(50) result [] for row in rows: result.append({ id: row[0], temperature: row[1], humidity: row[2], rainfall: row[3], wind_level: row[4], mosquito_index: row[5], warning_level: row[6], suggest: row[7], collect_time: row[8] }) return jsonify(result) if __name__ __main__: # 0.0.0.0 表示监听所有网卡方便局域网内设备访问 app.run(host0.0.0.0, port5000, debugFalse)这里做了三层处理第一层接收 JSON第二层做基础字段校验第三层调用模型计算并保存。实际生产环境中还应该增加接口鉴权避免任何人往你的数据库写入脏数据。5.4 传感器采集端代码文件路径arduino/mosquito_sensor.ino。这段代码运行在 ESP8266 上负责读取传感器数据并上报到 Flask 接口。// 文件路径arduino/mosquito_sensor.ino #include ESP8266WiFi.h #include ESP8266HTTPClient.h #include ArduinoJson.h #include DHT.h // WiFi 配置 const char* ssid 你的WiFi名称; const char* password 你的WiFi密码; // 后端服务器地址 const char* serverUrl http://192.168.1.100:5000/api/report; // 传感器引脚 #define DHTPIN 4 // DHT11 数据引脚连接到 GPIO4D2 #define DHTTYPE DHT11 // 使用 DHT11 传感器 #define RAIN_PIN A0 // 雨水传感器模拟输出连接到 A0 DHT dht(DHTPIN, DHTTYPE); void setup() { Serial.begin(115200); dht.begin(); pinMode(RAIN_PIN, INPUT); WiFi.begin(ssid, password); while (WiFi.status() ! WL_CONNECTED) { delay(500); Serial.print(.); } Serial.println(\nWiFi connected); } void loop() { float temperature dht.readTemperature(); float humidity dht.readHumidity(); int rainValue analogRead(RAIN_PIN); // YL-83 雨水传感器模拟值越小表示越湿这里做简单判断 int rainfall (rainValue 500) ? 1 : 0; // 如果 DHT11 读取失败跳过本次上报 if (isnan(temperature) || isnan(humidity)) { Serial.println(Failed to read from DHT sensor!); delay(10000); return; } // 构造 JSON StaticJsonDocument256 doc; doc[temperature] temperature; doc[humidity] humidity; doc[rainfall] rainfall; doc[wind_level] 2; // 当前代码没有接风速传感器先固定为 2 级 String jsonString; serializeJson(doc, jsonString); if (WiFi.status() WL_CONNECTED) { WiFiClient client; HTTPClient http; http.begin(client, serverUrl); http.addHeader(Content-Type, application/json); int httpCode http.POST(jsonString); if (httpCode 0) { Serial.printf(HTTP Response code: %d\n, httpCode); } else { Serial.printf(HTTP request failed: %s\n, http.errorToString(httpCode).c_str()); } http.end(); } // 每 60 秒上报一次 delay(60000); }注意几个细节StaticJsonDocument256需要 ArduinoJson 库支持可以在库管理器中搜索安装。DHT 库使用 Adafruit DHT sensor library安装 DHT sensor library 和 Adafruit Unified Sensor 库。rainValue 500是一个经验阈值不代表所有 YL-83 模块都适用你需要根据实际打印值调整。wind_level固定为 2这是因为当前示例没有接入风速传感器。如果后续接入风速计可以替换为真实读数。如果你手头没有硬件可以跳过这段代码直接使用下面的模拟脚本。5.5 模拟数据上报脚本文件路径simulator/mock_client.py。通过随机数据模拟传感器上报方便不玩硬件也能测试完整链路。# 文件路径simulator/mock_client.py import random import time import requests SERVER_URL http://127.0.0.1:5000/api/report def generate_mock_data(): 生成一组模拟天气数据 temperature round(random.uniform(18, 32), 1) humidity round(random.uniform(45, 90), 1) rainfall random.choice([0, 1]) wind_level random.randint(0, 5) return { temperature: temperature, humidity: humidity, rainfall: rainfall, wind_level: wind_level } if __name__ __main__: for i in range(10): data generate_mock_data() resp requests.post(SERVER_URL, jsondata) print(f[{i1}] {data} - {resp.status_code} {resp.json()}) time.sleep(2)运行这个脚本之前需要先把 Flask 服务启动起来。脚本会连续上报 10 条模拟数据间隔 2 秒足够观察数据入库和预警变化。5.6 可视化看板页面文件路径templates/index.html。这里使用原生 HTML ECharts通过后端传入的记录数据展示最近趋势。!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 title蚊虫活跃度监测与防蚊预警系统/title script srchttps://cdn.jsdelivr.net/npm/echarts5/dist/echarts.min.js/script style body { font-family: Microsoft YaHei, sans-serif; background: #f5f7fa; margin: 0; padding: 20px; } .container { max-width: 1200px; margin: 0 auto; background: #fff; border-radius: 8px; padding: 24px; box-shadow: 0 2px 8px rgba(0,0,0,0.08); } .status-card { text-align: center; border-radius: 8px; padding: 20px; margin-bottom: 20px; color: #fff; font-size: 18px; } .status-low { background: #52c41a; } .status-mid { background: #faad14; } .status-high { background: #ff4d4f; } .chart { width: 100%; height: 360px; margin-bottom: 24px; } .suggest-box { background: #f0f2f5; padding: 16px; border-radius: 8px; margin-top: 12px; line-height: 1.8; } table { width: 100%; border-collapse: collapse; margin-top: 20px; } table th, table td { border: 1px solid #e8e8e8; padding: 8px 12px; text-align: center; } table th { background: #fafafa; } /style /head body div classcontainer h2蚊虫活跃度监测与防蚊预警/h2 div idstatusCard classstatus-card status-low加载中.../div div idtrendChart classchart/div div idsuggestBox classsuggest-box正在加载防蚊建议.../div h3最近上报记录/h3 table idrecordTable thead tr th时间/th th温度(℃)/th th湿度(%)/th th降雨/th th风力/th th蚊虫指数/th th等级/th /tr /thead tbody/tbody /table /div script async function loadRecords() { const resp await fetch(/api/records); const records await resp.json(); renderStatus(records[0]); renderChart(records); renderTable(records); } function renderStatus(latest) { const card document.getElementById(statusCard); if (!latest) return; const level latest.warning_level; card.textContent 当前预警等级 level | 蚊虫活跃指数 latest.mosquito_index; card.className status-card (level 高风险 ? status-high : level 中风险 ? status-mid : status-low); document.getElementById(suggestBox).textContent latest.suggest; } function renderChart(records) { const chart echarts.init(document.getElementById(trendChart)); const times records.map(r r.collect_time).reverse(); const temps records.map(r r.temperature).reverse(); const humis records.map(r r.humidity).reverse(); const indexes records.map(r r.mosquito_index).reverse(); chart.setOption({ tooltip: { trigger: axis }, legend: { data: [温度, 湿度, 蚊虫指数] }, grid: { left: 60, right: 60, top: 40, bottom: 40 }, xAxis: { type: category, data: times }, yAxis: [ { type: value, name: 温湿度 }, { type: value, name: 蚊虫指数, min: 0, max: 100 } ], series: [ { name: 温度, type: line, data: temps, smooth: true }, { name: 湿度, type: line, data: humis, smooth: true }, { name: 蚊虫指数, type: line, yAxisIndex: 1, data: indexes, smooth: true, lineStyle: { width: 3, color: #ff4d4f } } ] }); } function renderTable(records) { const tbody document.querySelector(#recordTable tbody); tbody.innerHTML ; records.forEach(r { const tr document.createElement(tr); tr.innerHTML td${r.collect_time}/td td${r.temperature}/td td${r.humidity}/td td${r.rainfall 1 ? 有雨 : 无雨}/td td${r.wind_level}/td td${r.mosquito_index}/td td${r.warning_level}/td ; tbody.appendChild(tr); }); } loadRecords(); setInterval(loadRecords, 10000); /script /body /html页面中使用了 ECharts 的 CDN 资源没有网络的情况下可以下载 echarts.min.js 本地引用。表格和状态卡片每 10 秒自动刷新一次保证看到的始终是最近数据。5.7 预警通知推送钉钉群机器人示例如果监测到高风险我们希望系统主动通知到群里。这里以钉钉群机器人为例文件路径notify.py。# 文件路径notify.py import requests import os def send_dingtalk_message(message, webhook_urlNone): 向钉钉群机器人发送文本消息 webhook_url 不要硬编码在代码里优先从环境变量读取 if webhook_url is None: webhook_url os.getenv(DINGTALK_WEBHOOK_URL, ) if not webhook_url: print(未配置钉钉 Webhook跳过推送) return False headers {Content-Type: application/json} payload { msgtype: text, text: { content: message } } try: resp requests.post(webhook_url, jsonpayload, headersheaders, timeout5) result resp.json() if result.get(errcode) 0: print(钉钉消息推送成功) return True else: print(钉钉消息推送失败:, result) return False except Exception as e: print(推送异常:, e) return False if __name__ __main__: send_dingtalk_message(测试蚊虫预警系统接入成功)在app.py中调用推送逻辑建议在高风险时才推送避免过度打扰# app.py 中追加 import os from notify import send_dingtalk_message # 在 report 接口保存记录之后追加 if level 高风险: send_dingtalk_message( f蚊虫预警当前活跃指数 {score}等级 {level}。{suggest} )这里要提醒一句群机器人的 Webhook 地址相当于群的一个入口泄露后别人可以往群里发消息严重时可能被恶意刷屏。务必用环境变量或者独立的配置文件保存不要把真实地址写进仓库。5.8 运行与验证全部代码写好后按下面步骤启动启动 Flask 服务python app.py正常启动后会显示* Running on all addresses (0.0.0.0) * Running on http://192.168.1.100:5000 * Running on http://127.0.0.1:5000打开浏览器访问http://127.0.0.1:5000可以看到看板页面。如果有硬件烧录 ESP8266 代码串口监视器会显示 WiFi 连接成功和 HTTP 上报结果如果没有硬件运行模拟脚本python simulator/mock_client.py观察页面上的状态卡片、趋势图和表格是否更新。预期结果每次上报后数据库新增一条记录页面上的最新预警等级会根据模拟数据变化。如果某次模拟数据触发了高风险终端也会打印“钉钉消息推送成功”。6. 常见问题与排查思路实际运行过程中最容易遇到的问题集中在硬件上报、依赖安装和接口返回异常三个方面下面整理成一张表方便你按图索骥。问题现象常见原因解决思路ESP8266 连不上 WiFissid 或密码填写错误路由器开启了 MAC 过滤检查 WiFi 配置查看串口打印的错误信息换手机热点测试DHT11 读取到 NaN接线松动DHT 库未安装供电电压不稳重新插紧杜邦线在 Arduino 库管理器中安装 DHT sensor library改用 D1 mini 的 3.3V 供电雨水传感器一直显示降雨阈值设置不准传感器表面有水滴或老化打开串口监视器查看模拟值范围调整代码中的阈值Flask 接口 404请求路径写错服务未启动在 0.0.0.0检查 URL 是否包含 /api/report确认启动参数requests 调用接口超时Flask 服务未启动防火墙拦截先本地浏览器访问确认接口正常检查防火墙和端口页面图表不显示ECharts CDN 无法加载记录条数为 0检查浏览器控制台下载 echarts.min.js 到本地引用钉钉消息未收到Webhook 地址未配置机器人被移除检查环境变量在钉钉群里重新添加机器人并测试数据库表重复创建没有主键约束或表已存在init_db()使用IF NOT EXISTS重复执行不会报错除了表格再补充两个高频问题的详细排查过程。6.1 传感器数据一直是 NaN这个问题多半出在 DHT11 的接线和库依赖上。首先确认 DHT11 的 VCC 接的是 3.3V 还是 5V不同模块要求不一样DATA 引脚是否接到了你在代码里声明的 GPIO 引脚。然后检查 Arduino 库管理器里是否安装了DHT sensor library by Adafruit以及依赖的Adafruit Unified Sensor。安装完成后重新编译烧录串口监视器应该能打印出正常温度值。6.2 上报接口返回 400如果运行模拟脚本时接口返回 400说明 JSON 字段缺失或类型不对。打开 Flask 终端它会直接打印出异常信息。最常见的错误是temperature和humidity字段名不一致比如模拟脚本里用的是temp而后端用的是temperature。建议在report接口中增加字段容错例如temperature data.get(temperature, data.get(temp)) humidity data.get(humidity, data.get(humi))这样可以降低前后端字段名不一致带来的麻烦。7. 最佳实践与工程建议代码能跑通只是第一步真正要部署到生产环境还需要考虑更多工程层面的细节。7.1 传感器数据校准DHT11 本身精度一般温度误差约 ±2℃湿度误差约 ±5%。如果条件允许可以替换为 DHT22 或 SHT30数据质量会更好。雨水传感器的模拟阈值需要在晴天、毛毛雨、大雨三种场景下分别记录取中间值作为判断阈值不要直接用网上其他人写的固定值。7.2 部署环境的防护户外部署时ESP8266 和传感器必须做好防水处理可以使用防水接线盒传感器探头裸露但尽量用透气罩保护。供电方面如果使用移动电源要注意防潮和防晒。建议增加看门狗逻辑当开发板异常死机时自动重启。7.3 数据可靠性与补传机制户外 WiFi 信号不稳定是常态上报失败后ESP8266 端最好把数据缓存到内存或 SPIFFS 文件系统中网络恢复后再补传。否则一旦信号中断整段时间的数据都会丢失影响后续分析和预警准确性。7.4 接口鉴权与安全边界当前代码的/api/report和/api/records都是完全开放的任何人都可以提交脏数据或读取记录。如果部署到公网服务器至少需要增加一个简单的 Token 校验。# app.py 中增加固定 Token 校验示例 from functools import wraps API_TOKEN os.getenv(API_TOKEN, ) def require_token(f): wraps(f) def wrapper(*args, **kwargs): token request.headers.get(X-Token, ) if token ! API_TOKEN: return jsonify({code: 401, message: unauthorized}), 401 return f(*args, **kwargs) return wrapper # 使用示例 app.route(/api/report, methods[POST]) require_token def report(): pass采集端在请求头中加上X-Token字段可以拦截绝大多数恶意请求。7.5 预警阈值要结合本地情况调整不同地区的蚊虫活动规律差异很大。南方湿热地区可能 70 分就是常态北方干燥地区可能 50 分就需要预警。上线初期可以把阈值设低一点多观察两周数据再根据实际蚊虫密度反馈校正模型参数。7.6 与卫生防疫要求结合如果这套系统用在园区、社区或工地建议把预警结果同步给物业或卫生管理人员结合人工巡查清理积水。蚊媒传染病防控不是单靠软件就能完成的系统只提供数据参考最终的灭蚊和孳生地清理工作仍需线下执行。涉及公共卫生场景时还要遵守当地卫生防疫部门的相关规定不要擅自发布疫情相关结论。8. 总结与学习路线这篇文章从“天气恶劣蚊虫滋生”这个现实问题出发完整讲解了蚊虫活跃度监测与防蚊预警系统的设计与实现。我们完成了环境搭建、数据库设计、规则模型计算、Flask 接口开发、ESP8266 传感器采集、模拟数据上报、ECharts 可视化看板以及钉钉机器人预警通知整个链路是闭合可运行的。如果你想继续深入可以从以下几个方向扩展接入风速传感器和光照传感器让蚊虫活跃度模型更加完善使用 MySQL 或 PostgreSQL 替换 SQLite支持多站点数据接入引入天气 API预测未来 24 小时的蚊虫活跃趋势增加站点管理功能在电子地图上展示多个监测点的预警状态用历史数据做简单的时间序列预测把“当前状态”升级为“未来趋势”。最后提醒一句再智能的系统也比不上出门前看一眼预警、穿好长袖、带好驱蚊剂的习惯。把这套小系统部署好之后你会发现每一天的防蚊决策都变得清晰了很多。如果本文对你有帮助可以收藏备用。环境搭建或代码运行中遇到问题欢迎在评论区留言我会尽快回复。