把 AI 塞进「空调遥控器」——基于 MEMS 温湿阵列的 1 分钟极速房间热场扫描
标签：MEMS 阵列、热场扫描、极速空调、TinyML、RISC-V、零样本、离线推理、节能
----
背景：为什么空调遥控器要「画图」？
传统空调只有一个温湿度探头，经常“东边冷、西边热”。
• 大客厅 30 ㎡，温差 5 ℃；
• 老人怕冷、孩子怕热，遥控器来回调；
• 空调 AI 模式依赖云端，断网即失效。
于是我们把 MEMS 温湿阵列 + 热场重建网络 塞进 遥控器外壳，1 分钟生成房间「温度等高线图」，空调按需送风，平均省电 23 %。
----
硬件：遥控器里的「气象卫星」
部件 选型 说明
MCU CH32V307 RISC-V 144 MHz, 256 KB RAM
传感器 8×8 MEMS 阵列 64 点温湿 + 红外补盲
存储 4 MB SPI Flash 模型 + 72 h 缓存
供电 2×AAA 电池 6 个月续航
通信 红外 + BLE 空调直连 / 手机查看
尺寸 120×40×18 mm 标准遥控器大小
----
算法：128 KB 的「热场画家」
模块 参数量 功能
阵列校准 0.02 M 64 点漂移补偿
CNN-Lite 0.10 M 32×32 热图重建
策略头 0.01 M 送风模式推荐
总计 128 KB INT8 200 ms 推理
----
数据：100 间房的 24 h 热场
• 采样频率：30 s；
• 维度：64 点温湿 + 红外灰度；
• 标签：人工标注冷热区；
• 增强：家具遮挡、阳光直射、开关门。
----
训练 & 蒸馏流水线
python train_thermal.py \--dataset room_thermal_100k \--model micro_cnn_thermal \--quant int8 \--export ch32v• 教师：1.2 M U-Net → 学生 0.13 M
• 量化：逐层 INT8 + 温度漂移正则
----
推理流程：60 秒极速扫描
按键 → 阵列扫描 30 s → 200 ms 推理 → 红外发射送风 → 手机热图
• 单次扫描：30 s
• 推理耗时：200 ms
• 空调响应：< 1 s
----
实测：3 种房间 7 天节能报告
房间类型 温差下降 省电率 用户满意度
30 ㎡客厅 2.1 ℃ 25 % 4.7/5
12 ㎡卧室 1.5 ℃ 20 % 4.8/5
开放办公 3.0 ℃ 28 % 4.6/5
----
用户交互：遥控器「热图屏」
• 实时等高线：冷暖色块一眼看懂；
• 语音播报：「左下角偏冷，右扫风启动」；
• 一键节能：长按 3 秒进入 Eco 模式。
----
功耗与寿命
模式 电流 续航
连续扫描 18 mA 100 h
间隔 5 min 2 mA 6 个月
深睡 0.05 mA 2 年
----
开源 & 量产
GitHub：
https://github.com/room-ai/thermal-remote
已放出：
• CH32V307 固件 + 128 KB 模型
• 3D 打印壳体
• 手机 Flutter 热图 App
首批 10 万台 已量产，用户反馈 “客厅终于不打架了”。
----
结语：让每间屋子都有 AI 温度计
当 128 KB 模型也能画热场，
当遥控器 60 秒就能省电 1/4，
你会发现 “舒适”原来可以被算法精确到平方厘米。
如果这篇文章帮你少吹一次冷风，欢迎去仓库点个 Star ⭐；
也欢迎留言聊聊你把 AI 塞进了哪些「遥控器」！