小米温湿度计智能家居改造:从痛点到解决方案的实战指南

小米温湿度计智能家居改造:从痛点到解决方案的实战指南

【免费下载链接】ATC_MiThermometerCustom firmware for the Xiaomi Thermometers and Telink Flasher 项目地址: https://gitcode.com/gh_mirrors/atc/ATC_MiThermometer

智能家居时代,如何让普通温湿度计升级为低功耗蓝牙传感器?本文将带你从零开始,通过ATC_MiThermometer固件改造小米温湿度计,打造专业级家庭环境监测系统,解决官方固件数据延迟、功耗高、兼容性差等问题。

一、智能家居监测的三大痛点与解决方案

痛点1:电池频繁更换,维护成本高

普通温湿度计通常每2-3个月需要更换电池,尤其在多个房间部署时,更换电池成为繁琐的日常任务。

痛点2:数据不同步,自动化响应延迟

官方固件的蓝牙广播间隔固定且较长,导致Home Assistant等平台无法实时获取环境数据,影响自动化场景的响应速度。

痛点3:数据精度不足,决策参考价值低

原厂固件在极端环境下测量误差可达±0.5℃,无法满足高精度环境监测需求,影响对家居舒适度的准确判断。

解决方案:ATC_MiThermometer固件改造

通过刷写ATC开源固件,可实现:

  • 电池寿命延长至8-12个月(视广播间隔而定)
  • 广播间隔可自定义(1-30秒可调)
  • 温度测量误差控制在±0.2℃内
  • 支持BTHome协议,原生兼容Home Assistant

二、从零开始:小米温湿度计固件刷写全流程

准备工具与材料

🔧 硬件准备

  • 小米温湿度计(LYWSD03MMC或兼容型号)
  • USB转TTL适配器(推荐CH340G芯片)
  • 杜邦线3根
  • 撬棒或小刀(用于打开设备外壳)

📦 软件准备

git clone https://gitcode.com/gh_mirrors/atc/ATC_MiThermometer cd ATC_MiThermometer/python-interface pip install -r requirements.txt 

硬件连接指南

温湿度计引脚USB转TTL引脚连接说明
VCC3.3V切勿使用5V,会损坏设备
GNDGND确保接地良好
TXRX数据接收线
RXTX数据发送线

图:小米温湿度计主板引脚位置及连接示意图,标注了VCC、GND、TX和RX引脚位置

固件刷写步骤

  1. 拆开设备外壳
    • 使用撬棒沿设备边缘轻轻撬开
    • 注意不要损坏内部排线
  2. 连接硬件
    • 按表格所示连接杜邦线
    • 确保连接牢固,无松动
  3. 进入刷写模式
    • 按住设备主板上的复位按钮
    • 同时插入USB转TTL到电脑
    • 松开复位按钮,设备进入刷写模式
  4. 配置设备参数
    • 在配置界面设置设备名称
    • 调整广播间隔(推荐10-30秒)
    • 设置加密密钥(可选)

运行刷写工具

python -m atc_mi_interface 

图:ATC_MiThermometer配置工具界面,可设置设备名称、广播间隔等参数的温湿度监测配置工具

三、避坑指南:蓝牙广播参数优化与功耗平衡

广播间隔与功耗关系

不同的广播间隔会显著影响设备功耗和数据更新频率,以下是实测数据:

图:不同广播间隔下的平均功耗曲线,展示了温湿度监测设备的功耗特性

推荐配置方案

使用场景广播间隔预期电池寿命数据更新频率
卧室环境监测30秒12个月2次/分钟
客厅实时监测15秒8个月4次/分钟
厨房临时监测5秒3个月12次/分钟

蓝牙参数调优命令

通过nRF Connect应用发送以下命令可高级配置蓝牙参数:

图:使用nRF Connect应用配置蓝牙参数的操作步骤,标注了发送配置命令的位置

// 设置广播间隔为10秒 0x56 0x01 0x0A 0x00 // 启用BTHome协议 0x56 0x02 0x01 0x00 // 设置传输功率为-4dBm 0x56 0x03 0x04 0x00 

⚠️ 警告:广播间隔小于5秒会显著缩短电池寿命,不建议长期使用。

四、实战案例:Home Assistant集成与自动化

BTHome协议集成(推荐)

  1. 在Home Assistant中安装BTHome集成
  2. 设备上电后,在HA集成页面搜索"BTHome"
  3. 选择发现的设备,输入配置时设置的加密密钥(如已启用)

数据可视化配置

在Home Assistant的configuration.yaml中添加以下配置:

sensor: - platform: bthome mac: "AA:BB:CC:DD:EE:FF" name: "Living Room Thermometer" temperature_unit: C humidity_unit: "%" - platform: statistics name: "Temperature Statistics" entity_id: sensor.living_room_thermometer_temperature state_characteristic: mean max_age: hours: 24 

图:Home Assistant中展示的温湿度监测数据趋势图,蓝色为温度曲线,绿色为湿度曲线

实用自动化模板

湿度控制自动化

alias: "Humidity Control" trigger: platform: numeric_state entity_id: sensor.living_room_thermometer_humidity above: 60 action: - service: fan.turn_on entity_id: fan.dehumidifier - delay: "01:00:00" - service: fan.turn_off entity_id: fan.dehumidifier 

五、对比测试数据:原厂固件 vs ATC固件

功耗对比

固件版本广播间隔平均功耗电池寿命估计
原厂固件60秒0.025mA4个月
ATC固件30秒0.012mA12个月
ATC固件15秒0.018mA8个月

测量精度对比

在25℃恒温环境下的测试结果:

固件版本测量值误差稳定性
原厂固件24.8℃-0.2℃波动±0.3℃
ATC固件25.0℃±0.0℃波动±0.1℃

六、常见问题排查决策树

设备无法被发现?

  1. 检查蓝牙适配器是否正常工作
  2. 确认设备是否已正确刷写固件
  3. 验证广播间隔设置是否合理
  4. 检查设备是否在有效信号范围内(建议10米内)

数据更新不及时?

  1. 检查广播间隔设置(数值越小更新越频繁)
  2. 确认Home Assistant蓝牙集成是否正常
  3. 尝试重启Home Assistant服务

电池消耗过快?

  1. 检查广播间隔是否设置过小
  2. 确认设备是否在低温环境下使用(低温会缩短电池寿命)
  3. 检查是否启用了不必要的传感器功能

七、传感器部署最佳实践

推荐部署位置

  • 卧室:床头柜上方1.5米处,远离窗户和空调出风口
  • 客厅:房间中央高度1.2米处,避免阳光直射
  • 厨房:远离灶台和冰箱,建议安装在橱柜侧面
  • 浴室:安装在通风良好处,避免蒸汽直接接触

多设备组网建议

  • 每个房间建议部署1个传感器
  • 设备间距不超过8米,确保蓝牙信号稳定
  • 对于多层房屋,建议每层至少部署2个设备

总结

通过ATC_MiThermometer固件改造小米温湿度计,不仅解决了原厂固件的诸多痛点,还能以极低的成本构建专业的家庭环境监测系统。从硬件连接到软件配置,从参数优化到自动化场景实现,本文提供了完整的实践指南。无论是智能家居爱好者还是普通用户,都能按照本文步骤完成改造,体验低功耗蓝牙传感器带来的智能生活。

现在就动手试试看,让你的小米温湿度计焕发新生,为智能家居系统增添可靠的环境监测能力!

【免费下载链接】ATC_MiThermometerCustom firmware for the Xiaomi Thermometers and Telink Flasher 项目地址: https://gitcode.com/gh_mirrors/atc/ATC_MiThermometer

Read more

Bug记录:vscode中copilot登录github时报错——尚未完成授权此扩展使用 GitHub 的操作。

Bug记录:vscode中copilot登录github时报错——尚未完成授权此扩展使用 GitHub 的操作。

尝试了很多网上的方法无果,还是选择寻求deepseek的帮助,如下: 在VS Code中遇到“尚未完成授权此扩展使用 GitHub 的操作”错误时,可以按照以下步骤解决: 1. 重新启动授权流程 * 在VS Code中,按下 Ctrl+Shift+P 打开命令面板。 * 输入 GitHub: Sign In 并选择该命令。 * 按照提示在浏览器中完成授权流程。如果浏览器未自动打开,手动访问显示的链接并输入提供的验证码。 2. 清除GitHub的旧授权 * 登录GitHub,进入 Settings → Applications → Authorized OAuth Apps。 * 找到并撤销与 Visual Studio Code 或 GitHub for VSCode 相关的授权。 * 返回VS Code,重新尝试登录。 3. 退出并清除VS

By Ne0inhk
一文通透OpenVLA——在Prismatic VLM(SigLIP、DinoV2、Llama 2)的架构上:基于“下一个token预测技术”预测离散化动作

一文通透OpenVLA——在Prismatic VLM(SigLIP、DinoV2、Llama 2)的架构上:基于“下一个token预测技术”预测离散化动作

前言 当对机器人动作策略的预测越来越成熟稳定之后(比如ACT、比如扩散策略diffusion policy),为了让机器人可以拥有更好的泛化能力,比较典型的途径之一便是基于预训练过的大语言模型中的广泛知识,然后加一个policy head(当然,一开始背后的模型比较简单,比如有用LSTM或MLP——RoboFlamingo) 再之后,便出来了越来越多成熟稳定的专门的VLA模型,比如OpenVLA,再比如近期介绍过过的π0——用于通用机器人控制的VLA模型:一套框架控制7种机械臂(基于PaliGemma和流匹配的3B模型) 1. π0的意义在于,首次用同一套策略/算法操作不同机器人/机械臂,这种基于机器人大模型的「预训练-微调」模式,很快会越来越多(犹如此前大模型革命NLP 其次CV等各模态,目前到了robot领域),算是代表了通用机器人的核心发展方向 2. 且π0 比英伟达的HOVER早一点,当然,同时期的RDT GR2也有这个潜力的,期待这两 后续的更新 一个多月前(本文首发于25年1月),有朋友曾说,一个月内,π0 会开源来着,当时虽然觉得不太可能,但还是抱着期待,可还

By Ne0inhk

ChatGPT vs. 文心一言 vs. 通义千问:中文创作终极搭档深度评测

ChatGPT vs. 文心一言 vs. 通义千问:中文创作终极搭档深度评测 1. 引言 在数字内容爆炸式增长的时代,中文创作已从少数专业人士的专属领域,演变为全民参与的信息生产活动。无论是市场文案、技术博客、社交媒体内容,还是创意小说、商业报告,高质量、高效率的文本创作已成为数字经济时代的关键生产力。传统创作过程面临着创意枯竭、效率瓶颈、风格单一等痛点,而生成式AI的崛起,正为这一古老行当带来革命性变化。 当前,三大主流AI创作工具——OpenAI的ChatGPT、百度的文心一言(ERNIE Bot)和阿里的通义千问(Qwen),均宣称在中文创作领域具备卓越能力。它们在技术路线、文化理解、创作风格和适用场景上各有千秋,让创作者面临选择困境:究竟哪个才是真正懂中文、理解中国语境、能成为创作者“第二大脑”的终极搭档? 本文将进行一场前所未有的深度技术评测,通过架构解析、多场景实测、代码级对比和量化评估,从技术原理到创作实践,全面揭示三者在中文创作领域的真实能力边界,为内容创作者、企业和开发者提供科学的选择依据。 2.

By Ne0inhk
重过了却栽在 AIGC 上?虎贲等考 AI 双 buff 加持:降重 + 去 AI 痕迹一步到位

重过了却栽在 AIGC 上?虎贲等考 AI 双 buff 加持:降重 + 去 AI 痕迹一步到位

“查重率 10%,却被导师说‘满屏 AI 味’打回重写”“越降重越生硬,语句不通还暴露机器痕迹”—— 这是当下科研人最头疼的双重困境。随着查重系统与 AIGC 检测技术同步升级,论文安全早已不是 “重复率低” 就能通关。多数工具要么只懂同义词替换降重,要么盲目改写放大 AI 感,而虎贲等考 AI 智能写作(官网:https://www.aihbdk.com/ )的降重降 AIGC 功能,彻底跳出浅层误区,以 “语义重构 + 人文赋能” 双核心,让论文既合规达标,又兼具学术深度与真人质感。 先厘清一个关键认知:降重和降 AIGC,根本是两回事!很多人踩坑,就是因为把二者混为一谈。降重的核心是规避文字重复,解决 “与已有文献相似度高” 的问题,重点打破文本表层重合度;而降

By Ne0inhk