EnviroScope: AI 기반 생활 환경 통찰 — 휴대용 엣지 AI 공기질 모니터 제작기

요약 EnviroScope는 여러 환경 센서를 통합한 휴대용 기기로, 기기 내에서 머신러닝 모델을 실행해 실내 환경 데이터를 실시간으로 해석하고 상황에 맞는 권고를 제공합니다. 이 장치는 PM2.5, CO, 온도, 습도, 자외선, 주변광 등을 모니터링하며 와이파이를 통해 외부 기상 정보를 가져와 실내·외를 비교한 인사이트를 제공합니다.

 

 

 

프로젝트 한눈에 보기

• 목표: 단순 수치가 아닌, 사용자가 바로 행동으로 옮길 수 있는 실행 가능한 인사이트 제공
• 핵심 구성: 맞춤형 PCB, STM32G4(센서 인터페이스), ESP32‑S3(엣지 AI + UI), 2.8" 터치스크린, 18650 배터리
• 주요 센서: PM2.5(PMS7003T), BME688(온습도·압력), SCD40(CO2), BH1750(조도), LTR390(자외선) 등.

• 

  

  

  

  

  

  

  1. 맞춤형 PCB
  2. ESP32-S3 모듈
  3. STM32G474RB
  4. Wavehare 2.8인치 LCD 디스플레이 모듈 및 터치 패널
  5. BME688
  6. PMS7003T
  7. SCD40
  8. BH1750FVI
  9. LTR390-UV
  10. 18650 리튬이온 배터리
  11. TP4056
  12. MAX17048
  13. TPS61023
  14. AMS1117-3.3
  15. SMD 버튼
  16. SMD 저항기
  17. SMD 커패시터
  18. USB-C 커넥터
  19. 셀 홀더

설계 철학 및 특징

• 엣지 AI: 모든 예측과 권고는 기기 내부에서 실행되어 빠른 응답과 개인정보 보호를 보장합니다.
• 실내·외 비교 권고: 와이파이로 외부 날씨/대기 정보를 받아 실내 상태와 비교해 환기, 제습, 난방 조절 등 상황별 권고를 제시합니다.
• 휴대성: 18650 배터리 + 충전 회로(TP4056)로 휴대형 사용 가능, MAX17048로 배터리 잔량 표시.
• 직관적 UI: SquareLine Studio + LVGL로 제작한 터치 UI로 실시간 수치, 추세, 권고를 시각적으로 제공.

하드웨어 구성 (요약)

• MCU: STM32G474RB(센서 레이어), ESP32‑S3(컨트롤 유닛)
• 디스플레이: Wavehare 2.8" TFT(240×320) + CST328 터치 컨트롤러, ST7789 드라이버
• 센서 모듈: PMS7003T, BME688, SCD40, BH1750FVI, LTR390 등
• 전원부: 18650 배터리, TP4056 충전, MAX17048 연료 게이지, TPS61023 부스트, AMS1117‑3.3 LDO
• 기타: 맞춤형 2층 PCB(1.6mm), USB‑C 충전 포트, SMD 부품 조립(NextPCB 사용 권장).

특징

1. 종합적인 실내 환경 모니터링: EnviroScope는 맞춤형 PCB에 내장된 센서를 사용하여 중요한 실내 환경 매개변수를 지속적으로 측정합니다. 여기에는 PM2.5 입자 물질, 일산화탄소(CO), 온도, 대기압, 습도, 자외선, 주변 광 등이 포함됩니다. 여러 환경 신호를 동시에 수집함으로써 실내 공기질과 쾌적한 상태를 완벽하게 파악할 수 있습니다.
2. 온디바이스 인텔리전스(엣지 AI): 전통적인 모니터링 장치와 달리, EnviroScope는 단순히 숫자를 표시하는 것 이상의 기능을 수행합니다. 기기 내에서 직접 머신러닝 모델을 실행하여 환경 데이터를 해석하고 실시간 추천을 제공합니다. 모든 예측과 제안이 하드웨어에서 로컬에서 실행되기 때문에, 인터넷 연결 없이도 인사이트를 생성할 수 있어 빠른 응답, 프라이버시, 신뢰성을 보장합니다.
3. 야외 날씨 통합: EnviroScope는 와이파이에 연결되어 야외 날씨 정보를 수집합니다. 이를 통해 시스템은 실내외 조건을 비교하고, 실내 공기질이 더 좋을 때 환기를 권장하는 등 상황에 맞는 제안을 제공합니다.
4. 휴대용 배터리 작동: 이 장치는 온보드 18650 리튬 이온 배터리로 구동되어 완전 휴대가 가능합니다. 집적 충전 회로는 USB를 통해 배터리를 편리하게 충전할 수 있게 하여 외부 전원 없이도 장기간 독립적으로 작동할 수 있게 합니다. 또한 충전 비율을 표시하는 연료 게이지 IC MAX17048도 탑재되어 있습니다.
5. 터치스크린 사용자 인터페이스: EnviroScope는 2.8인치 터치스크린 디스플레이를 탑재해 환경 데이터를 직관적으로 볼 수 있습니다. 인터페이스는 실시간 측정값, 과거 추세, 시스템 권고안을 명확하고 상호작용하는 시각적 형식으로 제공하여 사용자가 환경 상태를 쉽게 이해할 수 있도록 합니다.

2단계: 시스템 아키텍처

이 시스템은 듀얼 MCU 아키텍처를 따르며, STM32G4가 전용 센서 인터페이스 컨트롤러로 작용하여 UART 및 I2C 프로토콜을 사용해 여러 센서로부터 데이터를 수집합니다. PM2.5 데이터는 UART를 통해 수신되며, CO2, 온도, 습도, 자외선, 주변 광 센서는 I2C를 통해 통신합니다. STM32G4은 UART를 통해 ESP32-S3에 구조화된 센서 데이터를 처리하고 전송합니다.

ESP32-S3는 중앙 제어 장치 역할을 하며, 엣지 AI 추론, 사용자 인터페이스 렌더링, WiFi 연결을 담당합니다. 들어오는 데이터를 분석하고, 추천을 생성하며, 터치스크린에 결과를 표시하고 야외 날씨 데이터도 가져옵니다.

TP4056 충전 회로, 배터리 보호, LDO, 부스트 컨버터를 기반으로 한 전용 전력 관리 시스템이 18650 배터리를 사용해 안정적이고 휴대가 가능한 작동을 보장합니다

소프트웨어 아키텍처 요약

1. STM32G4 (센서 레이어)
   • I2C/UART로 센서 데이터 수집, 기본 검증 후 구조화된 문자열로 ESP32에 전송.
   • 예: "PM25:%.2f,CO2:%.2f,TEMP:%.2f,HUM:%.2f,UV:%.2f,LUX:%.2f\n" 형태 전송.
2. ESP32‑S3 (컨트롤 유닛)
   • UART로 수신한 데이터를 파싱 → Edge Impulse로 학습한 모델로 추론 → LVGL UI에 결과 표시
   • Wi‑Fi로 외부 날씨 API 호출, 실내·외 비교 후 권고 생성
   • LVGL + SquareLine Studio로 만든 3개 주요 화면(로딩, 실내, 실외) 제공.
3. 데이터 파이프라인
   • ESP32에서 CSV 형식으로 시리얼 로그를 남겨 데이터셋을 만들고 Edge Impulse로 학습 → 모델을 Arduino 라이브러리 형태로 내보내 ESP32에 탑재.

제작 핵심 단계

1. 부품 준비 및 PCB 설계

• 맞춤형 PCB 설계로 안정성 확보. 초기 프로토타입은 개발보드로 테스트 후 PCB로 통합 권장.
• 이미지 삽입: 부품 리스트 사진, PCB 레이아웃(첨부 회로도 캡처).

프로젝트가 아이디어에서 작동하는 프로토타입으로 발전함에 따라, 초기 버전들은 개발 보드, 점퍼 와이어, 외부 센서 모듈을 사용해 제작되었습니다. 이 방식은 테스트를 더 쉽게 만들었지만, 곧 일상적인 사용에는 실용적이지 않다는 것이 명확해졌습니다. 그 장치는 부피가 크고 연약했으며, 개인 기기로 책상 위에 편안히 놓을 수 있는 것이 아니었다.

그 시점에서 목표가 바뀌었습니다—단순히 기능적인 프로토타입을 만드는 것에서 실제 제품처럼 느껴지는 무언가를 만드는 것으로.

저는 EnviroScope가 일상생활에 자연스럽게 녹아들 수 있는 장치, 즉 컴팩트하고 신뢰할 수 있으며 시각적으로 깔끔한 기기가 되길 원했습니다. 이는 느슨한 연결을 제거하고 크기를 줄이며 모든 부품을 하나의 잘 설계된 시스템으로 통합하는 것을 의미했습니다. 이를 달성하는 유일한 방법은 맞춤형 회로도와 PCB를 설계하는 것이었습니다.

회로도 설계 단계는 센서, 마이크로컨트롤러, 전원 관리 회로, 통신 인터페이스 등 모든 부품을 신중하게 선택하고 통합하여 응집력 있는 시스템으로 만드는 작업을 포함했습니다.

회로도가 최종 확정되자 초점은 PCB 설계로 옮겨갔습니다. 저는 두께 1.6mm의 2층 PCB를 설계했습니다.

PCB 설계는 EnviroScope를 프로토타입에서 실용적이고 일상적인 장치로 탈바꿈시켰습니다—책상 위에 놓여 안정적으로 작동하며 지속적으로 의미 있는 환경 정보를 제공할 수 있는 장치입니다.

 

2. 센서 인터페이스(STM32G4) 구현

• I2C/UART 설정, 센서별 드라이버 통합, 데이터 포맷팅 함수 구현.
• 코드 스니펫: 센서 읽기 및 UART 전송 예시(문서에 있는 read_sensors_and_send() 형식 참고).

3. ESP32‑S3 환경 구성 및 UI 연동

• Arduino IDE에 ESP32S3 보드 추가, LVGL 및 TFT_eSPI 라이브러리 설치.
• TFT_eSPI 설정(User_Setup.h)에서 ST7789 드라이버와 SPI 핀을 맞춤 PCB에 맞게 설정.

4. 데이터 수집 → Edge Impulse 학습

• 다양한 실내 상황(깨끗한 공기, 환기 부족, 오염 등)을 레이블링해 데이터셋 구축.
• Edge Impulse에서 모델 학습 후 Arduino 라이브러리로 내보내 ESP32에 통합.

소프트웨어 및 펌웨어 아키텍처

EnviroScope의 소프트웨어 아키텍처는 센싱, 데이터 처리, 사용자 상호작용 간 책임을 효율적으로 분담하도록 설계되어 임베디드 하드웨어에서 부드러운 실시간 성능을 보장합니다.

STM32G4 펌웨어 (센서 레이어): STM32G4 펌웨어는 저수준 센서 인터페이스와 데이터 수집을 담당합니다. UART, I2C와 같은 적절한 프로토콜을 사용하여 연결된 모든 센서로부터 데이터를 지속적으로 읽습니다. 원시 값이 수집되면, 펌웨어는 기본적인 서식을 맞추고 데이터를 구조화된 문자열로 패키징합니다.

이 포맷된 데이터 문자열은 UART 통신 링크를 통해 ESP32-S3로 전송되어, 두 마이크로컨트롤러 간에 간단하고 신뢰할 수 있는 데이터 파이프라인을 보장합니다.

데이터 수집 및 모델 훈련: 시스템의 지능을 구축하기 위해 STM32G4에서 수신된 센서 데이터를 기록하고 시간에 따라 수집했습니다. 이 데이터셋은 Edge Impulse Studio 를 이용해 머신러닝 모델을 학습하는 데 사용되었습니다.실제 환경 조건을 분석함으로써 모델은 시나리오를 분류하고 센서 입력을 바탕으로 의미 있는 제안을 생성하는 법을 학습합니다. 이 단계는 원시 환경 데이터를 실행 가능한 인사이트로 전환합니다.

ESP32-S3(제어 장치)의 Edge AI: ESP32-S3는 중앙 제어 장치 역할을 하며, 다음을 다룹니다.

1. UART에서의 데이터 파싱
2. 학습된 ML 모델 실행 (추론)
3. 의사결정 및 권고 생성

모든 추론은 기기에서 로컬로 실행되어 클라우드 연결 없이도 실시간 응답을 가능하게 합니다.

LVGL을 사용하는 사용자 인터페이스: 사용자 인터페이스는 LVGL(Light and Versatile Graphics Library)을 사용하여 터치스크린 디스플레이에서 부드럽고 반응이 빠른 그래픽을 구현합니다. 인터페이스는 깔끔하고 직관적으로 설계되어 사용자가 환경 조건을 빠르게 이해할 수 있도록 돕습니다.

와이파이 및 야외 데이터 통합: ESP32-S3는 온라인 API를 사용해 와이파이 네트워크에 연결해 야외 기상 데이터를 가져올 수 있습니다. 이 데이터는 주기적으로 업데이트되어 야외 화면에 표시됩니다.

실내 센서 측정값과 야외 조건을 결합함으로써 시스템은 상황 인식 인사이트를 제공하여 권고의 유용성을 높입니다.

센서 데이터 획득 (STM32G4)

1. 펌웨어 구현의 첫 단계는 STM32G4 마이크로컨트롤러를 이용해 원시 환경 데이터를 획득하는 데 중점을 둡니다. 펌웨어는 STM32CubeIDE에서 개발되며, I2C와 UART와 같은 모든 필수 주변기기가 HAL 라이브러리를 사용하여 구성됩니다.
2. 각 센서는 통신 프로토콜에 따라 인터페이스되며, PM2.5 센서는 UART를 통해 연결되고, CO₂, 온도, 습도, 자외선, 주변 광 센서는 I2C를 통해 통신합니다.
3. STM32는 이 센서들로부터 데이터를 지속적으로 읽고, 기본 검증을 수행하며, 값을 구조화된 형식으로 정리합니다.
4. 이 포맷된 데이터는 UART를 통해 문자열로 ESP32-S3로 전송되어 추가 처리를 수행합니다. 이 단계는 신뢰할 수 있는 데이터 수집 파이프라인을 구축하여 모든 환경 매개변수가 일관되게 포착되고 상위 분석 준비가 되도록 보장합니다.
5. 이 맞춤형 기능을 사용하여 센서 데이터를 얻습니다:

전체 코드를 Github에서 확인해 보세요.

 

7단계: 엣지 임펄스를 위한 데이터 수집

1. 현재 ESP32-S3는 UART를 통해 STM32G4에서 전송된 센서 데이터를 수신하고 처리하는 데 사용됩니다. 들어오는 데이터는 형식화된 문자열로 구조화되며, ESP32에서 PM2.5, CO₂, 온도, 습도, 자외선, 주변 광과 같은 개별 환경 매개변수를 추출합니다. 이 값들은 CSV/Excel 친화적인 형식으로 시리얼 터미널에 출력되어 쉽게 기록하고 추가 분석을 위한 데이터셋 생성이 가능합니다.
2. 이 데이터 수집 단계는 신뢰할 수 있는 머신러닝 모델을 구축하는 데 매우 중요합니다. 청정한 대기, 높은 CO₂ 농도, 오염된 대기 환경 등 다양한 환경 시나리오를 의도적으로 기록하여 데이터셋이 다양한 실제 상황을 포착하도록 합니다. 이로 인해 모델은 의미 있는 패턴을 학습하고 나중에 정확한 권고를 생성할 수 있습니다.

엣지 AI 모델 훈련 (엣지 임펄스)

1. EnviroScope의 가장 중요한 부분은 수집된 환경 데이터를 의미 있는 권고를 할 수 있는 지능형 시스템으로 전환하는 것입니다. ESP32를 사용해 충분한 센서 데이터를 수집하고 엑셀 호환 형식으로 기록한 후, 다음 단계는 Edge Impulse를 사용해 머신러닝 모델을 학습하는 것입니다.
2. 녹화된 데이터셋에는 청정 공기, 높은 CO₂ 농도, 오염된 대기 시나리오 등 다양한 환경 조건이 포함되어 있으며, 먼저 Edge Impulse Studio에 업로드됩니다. 이 단계에서 데이터는 의미 있는 범주(예: 좋은 공기, 환기 불량, 고오염)로 분류되어, 모델이 패턴을 학습하고 환경 조건을 효과적으로 분류할 수 있게 합니다.
3. 예측과 권고의 정확성은 학습 데이터의 품질에 크게 좌우되기 때문에, 데이터셋이 충분히 크고 다양한지 확인하는 것이 중요합니다.
4. 학습 후에는 Edge Impulse Studio 내에서 모델을 검증하여 성능을 평가합니다. 만족스러운 결과를 얻으면, 학습된 모델은 아두이노 호환 라이브러리로 내보내져 ESP32-S3 펌웨어에 직접 통합할 수 있습니다.
5. 이 내보된 모델은 ESP32-S3에 배포되어 실시간 온디바이스 추론이 가능합니다. 이 장치는 이제 클라우드 처리에 의존하지 않고도 환경 조건을 분류하고 지능형 권고를 생성할 수 있습니다.

첨부된 이미지를 따라 스튜디오에서 사용된 파라미터를 확인하세요.

 

사용자 인터페이스 디자인 – SquareLine Studio 및 LVGL 통합

사용자 인터페이스는 EnviroScope를 직관적이고 사용하기 쉽게 만드는 데 중요한 역할을 합니다. 깔끔하고 전문적인 디자인을 구현하기 위해 UI는 초보자 친화적인 드래그 앤 드롭 도구인 SquareLine Studio를 사용해 개발되었습니다. 이 접근법은 UI 개발을 크게 단순화하면서도 완성도가 높고 생산 준비가 된 디자인을 만들어냅니다.

전체 인터페이스는 UI가 사용자와 기기 간의 주요 상호작용 계층이라는 아이디어를 중심으로 구축되어 있습니다. 원시 데이터로 사용자를 압도하는 대신, UI는 환경 인사이트를 명확하고 구조적이며 시각적으로 매력적인 방식으로 제공합니다.

스크린 디자인: 세 개의 주요 스크린이 설계되었다

1. 환영 / 로딩 화면: 시스템 초기화 상태를 표시하고 원활한 시작 경험을 제공합니다.
2. 실내 환경 스크린: 공기질, 온도, 습도, AI 기반 권고사항 등 실시간 센서 데이터를 보여줍니다.
3. 야외 날씨 스크린: Wi-Fi를 통해 가져온 날씨 데이터를 표시하여 실내 조건과 비교할 수 있습니다.

LVGL과의 통합: SquareLine Studio는 아두이노 프레임워크를 사용해 ESP32-S3 펌웨어에 직접 통합할 수 있는 LVGL 호환 코드를 자동으로 생성합니다. 이를 통해 UI 요소를 실시간 데이터 및 시스템 로직과 쉽게 연결할 수 있습니다.

UI는 임베디드 시스템에 효율적인 그래픽 처리를 제공하는 LVGL을 사용하여 렌더링됩니다.

디스플레이 및 터치 하드웨어: 이 시스템은 2.8인치 TFT LCD 디스플레이(해상도 240×320)를 사용하며, 다음과 같은 구성 요소를 갖추고 있습니다:

1. ST7789T3 그래픽 렌더링용 디스플레이 드라이버
2. CST328 커패시티브 터치 컨트롤러 사용자 입력

적절한 작동을 보장하기 위해서는 ST7789 드라이버가 TFT_eSPI Arduino 라이브러리 구성 파일(User_Setup.h)에서 활성화되고 설정되어야 하며, 올바른 SPI 및 디스플레이 매개변수도 함께 사용해야 합니다.

Arduino의 파일을 내보내서 다음 단계에서 만들 Arduino 프로젝트로 복사할 수 있습니다.

 

 ESP32-S3 설정 (Arduino IDE 및 라이브러리)

ESP32-S3 개발을 시작하려면 첫 번째 단계는 Arduino IDE 환경과 모든 필수 보드 구성 및 라이브러리를 구축하는 것입니다. 이것이 UI, 커뮤니케이션, 엣지 AI를 시스템에 통합하는 기반이 됩니다.

1. ESP32 보드 지원 설치
2. 오픈 아두이노 IDE
3. 이동: 파일 → 선호도(Preferences)
4. 추가 이사회 관리자 URL에 다음 URL을 추가하세요:

https://raw.githubusercontent.com/espressif/arduino-esp32/gh-pages/package_esp32_index.json

1. 가기: 도구 → 보드 → 보드 관리자
2. ESP32를 검색하고 Espressif Systems의 패키지를 설치하세요
3. 보드 선택: 도구 → 보드 → ESP32S3 개발 모듈

2. 필요한 라이브러리 설치: Arduino IDE의 라이브러리 관리자를 사용하여 다음을 설치하세요:

1. LVGL v8.3.10: UI 렌더링용
2. TFT_eSPI : ST7789 디스플레이 통신

3. ST7789에 TFT_eSPI 구성 하기: 디스플레이는 TFT_eSPI 라이브러리 내에서 적절한 설정이 필요합니다.

1. 개봉:

TFT_eSPI/User_Setup.h

1. ST7789 드라이버 활성화:

#define ST7789_DRIVER

1. 디스플레이 해상도 설정:

#define TFT_WIDTH 240

#define TFT_HEIGHT 320

1. SPI 핀 구성 하기:

#define TFT_MOSI 9

#define TFT_SCLK 7

#define TFT_CS 18

#define TFT_DC 17

#define TFT_RST -1

(PCB 설계에 따라 핀을 조정하세요)

 

4. LVGL 설정: lv_conf.h 내부에서 다음을 확인하세요:

1. 디스플레이 해상도가 올바르게 설정되어 있습니다
2. 색상 깊이가 설정되어 있습니다

#define LV_COLOR_DEPTH 16

#define LV_HOR_RES_MAX 240

#define LV_VER_RES_MAX 320

추가 지원을 위해 LVGL 문서를 확인하실 수 있습니다.

• lv_conf.h
  다운로드
• User_Setup.h
  다운로드

최종 펌웨어 구현

이 단계에서 모든 시스템 구성 요소는 ESP32-S3에서 실행되는 단일 펌웨어로 통합됩니다. 여기에는 UART 데이터 수집, Edge AI 추론, LVGL을 이용한 UI 렌더링, Wi-Fi 연결이 포함됩니다.

 

1. UART 패킷 수신
2. 사용한 이진 패킷 프로토콜 (0xAA 0x55 동기화)
3. 고정 크기 구조체 (SensorPacket)
4. CRC8 검증은 데이터 무결성을 보장합니다

만약 (Serial.available()) {

uint8_t b = Serial.read();

 

만약 (b == 0xAA) {

 

다음 바이트를 기다려

while (! Serial.available());

uint8_t b2 = Serial.read();

 

만약 (B2 == 0x55) {

 

Serial.println("\nSYNC 찾기: AA 55");

 

uint8_t 생[PACKET_SIZE];

raw[0] = 0xAA;

원료[1] = 0x55;

 

남은 바이트를 기다립니다

while (Serial.available() < (PACKET_SIZE - 2));

 

Serial.readBytes((char*)&raw[2], PACKET_SIZE - 2);

 

memcpy(&pkt, RAW, PACKET_SIZE);

 

-------- 원시 헥스 덤프 --------

Serial.println("원시 패킷 (HEX):");

for (int i = 0; i < PACKET_SIZE; i++) {

Serial.printf("%02X ", raw[i]);

// }

Serial.println("\n");

 

-------- CRC 조회 --------

uint8_t calc_crc = crc8_calc(원초, PACKET_SIZE - 1); 마지막 바이트 제외

 

만약 (calc_crc != pkt.crc) {

Serial.printf("CRC 오류! expected=%02X got=%02X\n\n",

calc_crc, pkt.crc);

복귀;

}

Serial.printf("%lu,%.2f,%.2f,...\n", ...);

 

2. Edge AI 추론: 다운로드한 Edge Impulse Studio 라이브러리에서 run_inference() 함수와 Map 센서 데이터를 복사합니다.

특징[0] = pkt.co2;

특징[8] = pkt.pm_25;

Connect AI → UI → 의사결정 시스템

 

문자열 current_prediction = "미상";

 

공허 run_inference() {

 

...

 

float max_val = 0;

정max_idx = 0;

 

for (int i = 0; i < EI_CLASSIFIER_LABEL_COUNT; i++) {

만약 (result.classification[i].value > max_val) {

max_val = 결과.분류[i].값;

max_idx = i;

}

}

 

current_prediction = 문자열(result.classification[max_idx].label);

 

Serial.printf("Prediction: %s\n", current_prediction.c_str());

}

 

실내 스크린 업데이트:

 

lv_label_set_text(ui_LabelAirStatus, current_prediction.c_str());

 

추천 논리 추가

 

bool 오염 = false;

 

만약 (current_prediction == "오염됨") {

오염된 = 진실;

} 그렇지 않으면 {

오염된 = 거짓;

}

 

팝업 시스템과 연결:

만약 (오염된 & & !alert_active) {

show_air_warning_popup();

}

 

이제 시스템은 진정으로 지능적이 됩니다.

Wi-Fi + 날씨 통합: 부팅 시 ESP32-S3는 Wi-Fi 네트워크에 연결됩니다. 이로 인해 야외 날씨 데이터 가져오기나 시간 동기화 같은 인터넷 기반 기능이 가능해집니다. 상태 팝업은 사용자가 기기가 Wi-Fi에 성공적으로 연결되었는지 알려줍니다.

야외 날씨 통합: 사용자가 스와이프 제스처를 통해 야외 화면으로 이동하면, 시스템은 IP 기반 API를 통해 위치 데이터를 가져오고 온라인 기상 서비스를 통해 날씨 정보를 가져옵니다. 여기에는 온도, 습도, 풍속, 기상 조건이 포함됩니다. 데이터는 야외 화면에 표시되어 실내 환경 조건에 대한 맥락을 제공합니다.

이제 모델 출력과 규칙 기반 논리를 바탕으로 장치는 다음과 같은 제안을 생성합니다:

"방 환기"

"직사광선을 피하라"

"히터 사용 줄이기"

"습도 높음—제습기 사용"

이것이 데이터를 통찰로 전환합니다.

ESp32-s3 전체 코드와 STM32G4 MCU는 깃허브에서 확인해 보세요.

5. 통합 테스트 및 튜닝

• UART 패킷 무결성(CRC), 모델 추론 정확도, UI 반응성, 배터리 사용 시간 테스트.
• 실사용 환경에서 권고 문구(예: "Ventilate the room", "Reduce heater usage")의 적절성 검증.

팁과 확장 아이디어

• 모바일 연동: BLE 또는 Wi‑Fi 기반 모바일 앱으로 원격 모니터링 및 알림 추가.
• 로그/클라우드: 선택적 클라우드 업로드(개인정보 고려)로 장기 추세 분석.
• 하우징 디자인: 3D 프린팅 케이스로 제품성 향상.
• 전력 최적화: 센서 샘플링 주기 조정, ESP32 전력 모드 활용으로 배터리 수명 연장.

마무리 한마디

EnviroScope는 단순한 측정기를 넘어 데이터를 행동으로 연결하는 개인용 환경 어시스턴트를 목표로 합니다. 문서의 설명처럼 “EnviroScope는 여러 환경 센서, 맞춤형 PCB, 2.8인치 터치스크린 인터페이스를 통합한 휴대용 개인용 기상 및 대기질 보조 도구입니다.” 이 문장은 프로젝트의 핵심을 잘 요약합니다.

EnviroScope는 임베디드 하드웨어, 엣지 AI, 사용자 친화적인 인터페이스를 결합한 휴대용 지능형 환경 모니터링 시스템 개발을 성공적으로 시연했습니다. 원시 데이터만 표시하는 전통적인 모니터링 장치와 달리, 이 시스템은 환경 조건을 해석하고 편안함과 건강을 개선할 수 있는 실질적인 권고를 제공합니다.

듀얼 마이크로컨트롤러 아키텍처, 온디바이스 머신러닝, 터치스크린 인터페이스를 통합함으로써 이 프로젝트는 단순한 프로토타입을 넘어 실용적이고 현실적인 솔루션으로 발전합니다. 모든 감지, 처리 및 의사결정을 로컬에서 수행할 수 있는 능력은 빠른 대응, 프라이버시, 클라우드 서비스로부터의 독립성을 보장합니다.

현재 구현은 핵심 기능을 검증하고 있지만, 여러 개선 사항을 통해 EnviroScope를 소비자용 완성도 높은 제품으로 더욱 발전시킬 수 있습니다:

1. 기계적 인클로저 설계: 컴팩트하고 미적으로 보기 좋은 인클로저를 개발하면 기기가 더 견고하고 일상 사용에 적합해집니다.
2. 모바일 애플리케이션 통합: 전용 모바일 앱은 원격 모니터링, 데이터 시각화 및 기록, 알림 및 알림 기능을 활성화할 수 있습니다.
3. 전력 최적화: 장기간 휴대용 사용을 위한 배터리 수명 향상.

이러한 개선을 통해 EnviroScope는 일상 환경에서 감지와 지능형 의사결정 간의 간극을 메우는 완전 배치 가능한 개인 환경 비서로 발전할 수 있습니다. 🌿