〖标签〗硬件交互
〖硬件交互赛道〗ExoGuard AI — 面向异宠饲养箱的环境感知与 AI 风险预警系统
0. 先和大家打个招呼吧 
大家好，我这次参加 TRAE AI 创造力大赛，选择的是 硬件交互赛道。
我做的项目叫 ExoGuard AI，它是一个面向异宠饲养场景的环境感知与 AI 风险预警原型。
简单来说，它把 ESP32、温湿度传感器、光照传感器、网页界面和 AI 风险判断逻辑 连接起来，让饲养者可以实时看到饲养箱里的环境状态，并在异常时获得可解释的风险提示和处理建议。
目前 Demo 已经实现真实硬件联动：
ESP32 + SHT31 温湿度传感器 + GY-30/BH1750 光照传感器
→ 实时采集环境数据
→ AI Risk Engine 风险评分
→ JSON 数据传输到网页
→ 网页实时显示风险等级、异常原因和建议
→ LED + 蜂鸣器声光报警
整个 Demo 从创意设计、网页开发、硬件接线文档、ESP32 示例代码、JSON 串口通信，到 Web Serial API 网页联动，均在 TRAE 中完成或由 TRAE 辅助完成。
1. Demo 简介
是什么？
ExoGuard AI 是一个面向异宠饲养箱的智能环境守护系统。
它通过 ESP32 连接真实传感器，采集温度、湿度、光照等环境数据，并通过轻量级 AI 规则推理引擎，对不同异宠的环境风险进行评分、解释和报警。
当前 Demo 不是单纯的网页 Mockup，而是已经接入真实硬件：
硬件端：
ESP32
SHT31 温湿度传感器
GY-30 / BH1750 光照传感器
LED 报警灯
蜂鸣器报警器
网页端：
ExoGuard AI 产品展示页
Real Hardware Monitor / 真实硬件监测模块
Web Serial API 串口连接
实时温湿度、光照、Risk Score、Risk Level、Main Cause、Suggested Action 展示
面向谁？
这个 Demo 面向以下用户：
-
异宠饲养者
比如饲养豹纹守宫、角蛙、陆龟、鬃狮蜥等对环境敏感的动物。
-
新手饲养者
很多人知道要看温湿度，但不知道“这个数值对这只动物意味着什么”，也不知道异常后该怎么处理。
-
宠物店、繁育者、小型动物展示空间
需要同时管理多个饲养箱，人工观察容易遗漏环境异常。
-
未来的动物园、小型保育、科研场景
系统后续可以扩展到更高价值动物、特殊环境动物或长期行为监测场景。
主要功能
功能 1：真实传感器环境采集
当前硬件 Demo 已经接入：
SHT31：采集温度、湿度
GY-30 / BH1750：采集光照强度 lux
ESP32：读取传感器数据并进行风险判断
传感器数据会每隔约 2 秒更新一次，并通过串口输出 JSON 数据。
功能 2：AI Risk Engine 风险判断
系统会根据目标动物档案、环境阈值和当前个体环境基线，计算：
Risk Score：0–100
Risk Level：NORMAL / LOW / MEDIUM / HIGH
Main Cause：主要异常原因
Suggested Action：建议处理动作
例如：
Target Animal: Leopard Gecko
Temperature: 32.7 °C
Humidity: 76.5 %
Light: 35 lx
Risk Score: 45 / 100
Risk Level: MEDIUM
Main Cause: Humidity is too high
Suggested Action: Improve ventilation and check whether substrate is too wet.
这里的 AI 使用方式不是夸大成“已经训练深度学习模型”，而是采用 轻量级规则推理 / 专家系统原型：
先建立动物环境档案，再结合实时传感器数据和个体基线，输出可解释的风险判断。
功能 3：网页实时硬件监测
网页中新增了 Real Hardware Monitor / 真实硬件监测 模块。
用户可以在 Chrome 或 Edge 浏览器中点击：
连接 ESP32 硬件
然后选择 ESP32 串口，例如：
COM5
连接成功后，网页会实时显示：
Target Animal
Temperature
Humidity
Light
Baseline Temperature
Baseline Humidity
Baseline Light
Risk Score
Risk Level
Main Cause
Suggested Action
LED status
Buzzer status
最近 10 条 JSON 日志
功能 4：LED + 蜂鸣器声光报警
当 Risk Level 不为 NORMAL 时，系统会触发硬件反馈：
LOW：LED 亮 + 短提示音
MEDIUM：LED 亮 + 双提示音
HIGH：LED 亮 + 紧急提示音
这样饲养者即使没有盯着网页，也能通过声光反馈发现异常。
2. Demo 创作思路
灵感来源
我最开始想到的是：很多异宠对环境非常敏感，比如温度、湿度、光照变化都可能影响状态。但现实中，大多数饲养者使用的还是普通温湿度计。
普通温湿度计只能告诉你：
现在温度是多少
现在湿度是多少
但它不会告诉你：
这个数值对豹纹守宫是否危险？
湿度过高可能是什么原因？
应该先检查垫材、通风，还是水盆？
这只动物平时的环境基线有没有突然变化？
所以我想做一个更进一步的系统：
不是只显示数据，而是让环境数据变成“可解释的风险判断”。
想解决的问题
1. 新手不知道环境异常意味着什么
很多新手看到湿度 75%，并不知道它对某些偏干燥环境动物是否已经偏高，也不知道应该怎么处理。
ExoGuard AI 希望解决的是：
从“看到数据”
升级为
“理解风险 + 知道下一步怎么做”
2. 不同动物环境需求不同
豹纹守宫、角蛙、陆龟、鬃狮蜥的环境需求并不一样。
所以系统不能只用一套统一阈值，而应该建立不同动物档案：
Leopard Gecko / 豹纹守宫
Pacman Frog / 角蛙
Tortoise / 陆龟
Bearded Dragon / 鬃狮蜥
当前 Demo 已经在 ESP32 代码中实现了四种动物档案参数。
3. 每只动物还需要个体化观察
物种档案只是基础标准。真正使用时，每只动物还有自己的日常习惯和饲养箱环境。
因此当前 Demo 加入了一个轻量级 个体环境基线学习：
系统启动后先采样 10 次
计算当前饲养箱的温度、湿度、光照基线
之后实时数据会同时和“物种档案”与“个体基线”对比
这样可以检测：
温度突然变化
湿度突然升高
光照突然下降或升高
为什么做这个方向？
我选择这个方向主要有三个原因：
-
硬件交互赛道契合度高
这个项目不是纯网页，而是真实连接了 ESP32 和传感器，网页也能读取硬件数据。
-
AI 价值清晰
AI 不只是聊天，而是参与了环境风险推理、异常归因和处理建议。
-
后续扩展空间大
未来可以接入摄像头行为识别、进食反应分析、长期个体学习、手机提醒，形成真正的异宠环境与行为守护系统。
3. Demo 体验地址
3.1 在线网页体验地址
网页 Demo 地址：
3.2 演示视频
硬件联动演示视频：
4. TRAE实践过程
-
阶段一：创意与产品定位
最开始的想法是做一个宠物 AI 系统，能够实现喂食、喂水、自动开门遛狗、环境温湿度监测等功能。
后来经过 TRAE 辅助拆解后，我决定先聚焦在更适合初赛 Demo 的核心闭环：
环境感知 → 风险判断 → 异常解释 → 声光报警 → 网页展示这样可以在有限时间内真正做出可运行的硬件交互原型，而不是停留在大而全的概念。
阶段二：网页 Demo 开发
我使用 TRAE 生成了 ExoGuard AI 的网页展示页面，包括：
项目介绍 互动演示 摄像头实验入口 硬件监测模块 系统架构说明后续又让 TRAE 在
index.html中加入 Real Hardware Monitor / 真实硬件监测 模块，支持浏览器 Web Serial API 连接 ESP32。核心功能包括：
连接 ESP32 硬件 断开连接 读取 JSON 数据 显示实时温度、湿度、光照 显示 Risk Score / Risk Level 显示 Main Cause / Suggested Action 显示最近 10 条 JSON 日志 -
阶段三：硬件接线与传感器调试
硬件部分使用：ESP32 Dev Module、SHT31、GY-30 / BH1750、LED + 330Ω 电阻等
-
接线方式：
SHT31: VCC → 3V3 GND → GND SDA → D21 SCL → D22 GY-30 / BH1750: VCC → 3V3 GND → GND SDA → D21 SCL → D22 ADD → GND 或不接 LED: D25 → 330Ω 电阻 → LED 长脚 LED 短脚 → GND 蜂鸣器: VCC → 3V3 GND → GND I/O → D26调试过程中，GY-30 一开始没有被识别，后来通过 I2C Scanner 检查地址，确认：
0x44 = SHT31 0x23 = GY-30 / BH1750最终两个 I2C 传感器共用 D21 / D22 总线正常工作。
-
阶段四：AI Risk Engine 开发
当前 Demo 中的 AI 使用方式是 轻量级规则推理 / 专家系统原型。
系统不是简单判断“超过阈值就报警”，而是综合：
动物档案 实时传感器数据 个体环境基线 风险评分规则 异常归因 处理建议当前支持 4 种动物档案：
1. Leopard Gecko / 豹纹守宫 2. Pacman Frog / 角蛙 3. Tortoise / 陆龟 4. Bearded Dragon / 鬃狮蜥每种动物对应不同的温度、湿度、光照范围。
系统输出：
Risk Score: 0–100 Risk Level: NORMAL / LOW / MEDIUM / HIGH Main Cause: 主要风险原因 Suggested Action: 建议动作例如：
{ "mode": "risk_report", "animal": "Leopard Gecko", "temp": 32.73, "hum": 77.01, "light": 34.17, "riskScore": 45, "riskLevel": "MEDIUM", "mainCause": "Humidity is too high", "suggestion": "Improve ventilation and check whether substrate is too wet.", "led": true, "buzzer": true }
阶段五：Web Serial API 硬件联动
ESP32 端每隔约 2 秒输出一行 JSON。
网页端通过浏览器 Web Serial API 连接 ESP32 串口：
波特率：115200 浏览器：Chrome / Edge 连接方式：点击“连接 ESP32 硬件” 串口：COM5 或对应 ESP32 串口注意事项：
连接网页前需要关闭 Arduino Serial Monitor 因为同一个串口不能同时被 Arduino 和网页占用连接成功后，网页会实时更新数据，硬件报警也会同步触发。
5. Session ID:
.3242885963331600:60b229e361aa3ce36c3b473683edc26e_6a38f80d4962e3ae1a393114.6a38f8fd4962e3ae1a393116.6a38f8fceb768e235a9d8f2d:Trae CN.T(2026/6/22 16:57:33)
.3242885963331600:43ba9be5097d6dba6e62356de35441a3_6a38f80d4962e3ae1a393114.6a38fd404962e3ae1a393171.6a38fd3feb768e235a9d8f2e:Trae CN.T(2026/6/22 17:15:44)
.3242885963331600:75c257c0d206a8a46391a2bc6fad09ff_6a38f80d4962e3ae1a393114.6a4ddb9515dae439bfefce2e.6a4ddb9482f700e6f4ad8f31:Trae CN.T(2026/7/8 13:09:41)
.3242885963331600:c716e860dc2bfb8015c519d10fb4ff15_6a38f80d4962e3ae1a393114.6a4de00b15dae439bfefce7e.6a4de00982f700e6f4ad8f32:Trae CN.T(2026/7/8 13:28:43)
.3242885963331600:3915e90dca7dc89538e023e9a6e48fdb_6a38f80d4962e3ae1a393114.6a4dec464925075f5c5eadba.6a4dec45af829aeabe2b1990:Trae CN.T(2026/7/8 14:20:54)
6. 对应的报名审核通过的帖子链接
链接：【硬件交互赛道】ExoGuard AI——高价值的异宠行为与环境守护器 - TRAE AI 创造力大赛 / 【大赛报名专区】 - TRAE 官方中文社区