用Arduino Nano和ESP32构建高精度TDS水质检测系统：从硬件选型到云端监控的全栈方案

水质监测正逐渐从实验室走向日常生活，而TDS（总溶解固体）作为衡量水质的重要指标，其检测设备的DIY化让更多人能够实时了解饮用水质量。本文将带你从零开始构建一套支持多平台、具备温度补偿和云端监控能力的TDS检测系统。

1. 硬件选型与核心组件解析

选择适合的开发板和传感器是项目成功的第一步。Arduino Nano以其紧凑尺寸和丰富库支持成为入门首选，而ESP32则凭借内置Wi-Fi/BLE更适合物联网应用。TDS传感器模块的选择同样关键，市场上主流型号通常具有以下特性：

参数	典型值	说明
测量范围	0-1000ppm	适合饮用水检测
工作电压	3.3-5V	需与开发板匹配
接口类型	模拟输出	需连接ADC引脚
响应时间	<1秒	实时性要求
温度补偿	需外接传感器	提高测量精度

关键组件清单 ：

• 开发板：Arduino Nano/ESP32开发板
• TDS传感器：Gravity系列或类似模拟输出模块
• 温度传感器：DS18B20（防水型）
• 其他：杜邦线、电阻、电源模块

注意：ESP32的ADC非线性问题可能影响精度，建议选择专门校准过的开发板或外接16位ADC模块

2. 硬件连接与供电方案优化

不同开发板的引脚配置存在显著差异，正确的物理连接是确保系统稳定运行的基础。以下是三种常见开发板的接线方案：

2.1 Arduino Nano连接方案

// 引脚定义
#define TDS_PIN A0   // 模拟输入
#define DS18B20_PIN 2 // 单总线温度传感器

// 供电方案：
// TDS模块VCC → 5V
// 开发板USB供电或7-12V Vin输入

2.2 ESP32连接方案

// ESP32引脚定义（以ESP32 DevKitC为例）
#define TDS_PIN 34   // ADC1_CH6
#define DS18B20_PIN 4 

// 供电注意事项：
// 多数TDS模块工作电压含3.3V
// 如使用5V模块需电平转换

2.3 电源管理技巧

• 锂电池供电时建议增加LC滤波电路
• 长期监测应考虑太阳能供电方案
• 多传感器系统推荐使用独立稳压模块

3. 核心代码实现与算法优化

基础代码框架之外，我们需要关注信号处理、温度补偿和校准等关键环节。以下代码展示了改进后的TDS计算实现：

#include <OneWire.h>
#include <DallasTemperature.h>

// 优化后的TDS计算类
class TDSSensor {
private:
    uint8_t tdsPin;
    float temperature = 25.0;
    float vref = 3.3; // ESP32通常为3.3V
    DallasTemperature tempSensor;
    
    float medianFilter(int readings[], int size) {
        // 优化后的中值滤波实现
        int temp[size];
        memcpy(temp, readings, size*sizeof(int));
        
        for(int i=0; i<size-1; i++) {
            for(int j=i+1; j<size; j++) {
                if(temp[i] > temp[j]) {
                    int swap = temp[i];
                    temp[i] = temp[j];
                    temp[j] = swap;
                }
            }
        }
        return temp[size/2];
    }

public:
    TDSSensor(uint8_t pin, uint8_t tempPin) : tdsPin(pin) {
        OneWire oneWire(tempPin);
        tempSensor = DallasTemperature(&oneWire);
    }

    float readTDS() {
        // 获取温度
        tempSensor.requestTemperatures();
        temperature = tempSensor.getTempCByIndex(0);
        
        // 采集原始数据
        int rawValues[30];
        for(int i=0; i<30; i++) {
            rawValues[i] = analogRead(tdsPin);
            delay(20);
        }
        
        // 计算补偿电压
        float avgVoltage = medianFilter(rawValues, 30) * (vref / 4095.0);
        float compensation = 1.0 + 0.02 * (temperature - 25.0);
        float compVoltage = avgVoltage / compensation;
        
        // 三次多项式拟合
        return (133.42*pow(compVoltage,3) - 255.86*pow(compVoltage,2) + 857.39*compVoltage) * 0.5;
    }
};

算法优化要点 ：

• 采用面向对象封装提高代码复用性
• 优化滤波算法减少内存占用
• 添加异常值检测机制
• 支持动态参考电压配置

4. 校准方法与精度提升

未经校准的TDS检测可能产生显著误差。以下是专业级的校准流程：

1. 准备标准溶液 ：

   • 342ppm NaCl溶液（1L水+0.342g NaCl）
   • 1000ppm标准液（市售）

2. 校准步骤 ：

   • 将传感器浸入标准液并搅拌
   • 等待读数稳定（约1分钟）
   • 记录ADC原始值和计算值
   • 调整代码中的多项式系数

3. 温度补偿验证 ：

   # 温度补偿验证代码示例
   import numpy as np
   import matplotlib.pyplot as plt
   
   temps = np.arange(10, 40, 5)
   readings = [215, 228, 242, 250, 258, 265]
   compensated = [r/(1+0.02*(t-25)) for r,t in zip(readings,temps)]
   
   plt.plot(temps, readings, label='原始值')
   plt.plot(temps, compensated, label='补偿后')
   plt.legend()
   plt.show()
   

常见问题排查表：

现象	可能原因	解决方案
读数波动大	电源噪声/接触不良	增加滤波电容/检查接线
数值始终为0	引脚配置错误	确认ADC引脚是否启用
温度补偿无效	传感器未正确初始化	检查单总线通信
ESP32读数异常	ADC参考电压不匹配	修改vref为实际测量值

5. 物联网集成与数据可视化

ESP32的无线能力为远程监控提供了可能。以下是构建完整IoT方案的要点：

5.1 MQTT数据上传

#include <WiFi.h>
#include <PubSubClient.h>

WiFiClient espClient;
PubSubClient client(espClient);

void publishData(float tds, float temp) {
    char payload[50];
    snprintf(payload, sizeof(payload), "{\"tds\":%.1f,\"temp\":%.1f}", tds, temp);
    client.publish("sensor/tds1", payload);
}

void reconnect() {
    while (!client.connected()) {
        if (client.connect("tdsClient")) {
            client.subscribe("sensor/tds1/cmd");
        } else {
            delay(5000);
        }
    }
}

5.2 云端方案选型对比

平台	优点	缺点	适用场景
Blynk	快速原型开发	依赖第三方服务	个人项目验证
ThingsBoard	功能强大	需要自建服务器	企业级解决方案
AWS IoT	高可靠性	配置复杂	大规模部署
自建MQTT	完全可控	维护成本高	技术团队内部使用

5.3 低功耗优化策略

• 使用ESP32的深度睡眠模式
• 优化采样间隔（如每小时一次）
• 采用中断唤醒机制
• 电源管理IC控制外围供电

6. 进阶应用与扩展思路

基础系统搭建完成后，可以考虑以下扩展方向：

水质监测网络 ：

• 多节点数据融合
• 地理信息叠加
• 异常水质预警

智能家居集成 ：

• 净水器联动控制
• 手机APP实时提醒
• 历史数据趋势分析

硬件扩展 ：

• 添加pH传感器构建多参数系统
• 集成浊度检测模块
• 太阳能自维持供电

实际部署中发现，在电磁环境复杂的场合，为传感器线缆增加磁环能有效减少干扰。另外，定期（建议每月）用蒸馏水清洗探头可延长传感器寿命。