Marico's space
前阵子折腾了一个有点离谱的项目：给大模型（LLM，即大型语言模型）装个鼻子。AI 能读、能写、能看、能听，但偏偏没有嗅觉——你问它冰箱里的牛奶是不是坏了，它只能老实说"闻不出来"。这不科学，毕竟我们每天靠鼻子来判断食物能不能吃。于是我们干脆自己造了一个。
▶ 演示视频 (3:11)： youtu.be/n88pRiuib3U
▶ 代码 (MIT)： github.com/PGASlab/app
▶ 没有硬件也能体验： live UNO Q simulation
AI 可以读、可以写、可以看、可以听。但你问它冰箱里那盒牛奶是不是坏了，它的诚实回答只能是"闻不出来"。嗅觉是我们每天用来判断食物能不能吃的那一感，AI 偏偏没有。
所以我们自己造了一个。
鼻子的工作原理是不同受体对不同分子做出响应。PGAS 借鉴这个思路，用三个廉价的金属氧化物气体传感器来实现，每个针对不同类别的变质气体：
单独来看，它们就是随周围空气变化阻值的电阻。
接到 Arduino UNO Q 上，三个小鼻子合成为一个。UNO Q 的微控制器每秒采样所有三个传感器，Linux 那侧把读数与洁净空气对比，判断食物是否还能吃，然后行动：板载 LED 矩阵闪烁警告、发出警报、手机显示结论。不上云、不注册账号、不需要互联网，全部在用充电宝供电的板子上完成。
古人用银勺试毒，因为银碰到变质食物产生的硫化物会变黑。PGAS 就是现代版的银勺。我们为夜市摊位和小餐饮店设计的，在这些地方，卖变质食物是健康风险，而扔掉还能吃的食物是浪费。
副业场景。 国内夜市的很多摊位都是副业：白天上班、早上进货、晚上卖到深夜。没有食品检测实验室，只靠鼻子猜今天的牛奶还能不能用、昨天的剩菜还能不能吃。一批货出问题，小摊贩可能就丢了回头客。PGAS 是可以揣进口袋的第二个意见，用跟手机同一个充电宝供电。
这里是一次真实的测试，用一盒变质牛奶，按步骤拍照记录。
PGAS 需要的所有东西：
先用无食物环境跑完整测试，确保 PGAS 不会误报。三个传感器的读数都保持在洁净空气基准（分别上升 +0.03 V、+0.02 V 和 +0.00 V），板子判定 新鲜 耗时 0.6 ms，LED 矩阵显示 ✓。
测试样本是一盒开封后放置变质的鲜奶。第二张照片证明里面确实还有奶。我们把它倒进小容器，方便逐个传感器对准测试。
手机端点击 开始测试，页面会引导你一步步操作。每个传感器各 5 秒：1 秒在洁净空气中、1 秒移动到食物上方、3 秒测量。大圆倒计时和实时读数让你清楚知道进度。
先测 MQ-135。 传感器放在牛奶上方，圆环倒计时。
然后 MQ-3。 传感器测完，页面提示你取出来准备下一个。这里 MQ-135 和 MQ-3 已打勾，轮到 MQ-2。
按键确认 下一个传感器已在洁净空气中再按。PGAS 不会自己跳转，所以永远不会被催。
最后 MQ-2。
PGAS 显示 食物已变质。MQ-3（乙醇）比自身洁净空气读数高出 +0.21 V，超过 0.20 V 阈值，所以板子判定牛奶为 不可销售，耗时仅 0.2 ms。MQ-135 上升 +0.02 V，MQ-2 上升 +0.05 V。乙醇是细菌和酵母发酵牛奶时产生的，所以 MQ-3 是我们预期反应最大的传感器。
弹窗用通俗语言写出结论：一个总判定加每个传感器的独立读数条。还会列出智能体的决策过程：
同一页面往下滚动，每个传感器都有速度表盘，显示当前电压、正常范围和实时图表。超过限值时，卡片变红闪烁。
MQ-3 在洁净空气中：0.37 V，在正常范围内。
MQ-3 放在变质牛奶上方：0.70 V。 几乎翻倍，卡片变红。
移开 30 秒后：0.38 V，恢复到洁净空气值。传感器恢复很快，可以立即测试下一个食物。
| MQ-3 | 洁净空气 | 变质牛奶上方 | 30 秒后 |
|---|---|---|---|
| 模块输出 | 0.37 V | 0.70 V | 0.38 V |
▶ github.com/PGASlab/app（MIT）：Arduino sketch、Linux 应用、手机仪表盘、CI 自动测试，以及浏览器模拟的 UNO Q。
| 步骤 | 发生了什么 | 在哪运行 |
|---|---|---|
| 感知 | MQ-135、MQ-3、MQ-2 以 1 Hz 采样，14 位 ADC，16 次平均 | STM32U585 MCU（Arduino sketch） |
| 判断 | 每个传感器与自身几秒前的洁净空气读数比较上升量。ONNX 模型将三个上升量转为变质概率，由安全规则兜底 | QRB2210 Linux（Python，ONNX Runtime） |
| 行动 | LED 矩阵显示 ✓ 或闪烁 ✕，发送警报，手机显示结论 | MCU + Linux |
UNO Q 两部分通过 Arduino Bridge 通信：sketch 每秒调用 Bridge.notify("pgas_sample", …)，Linux 用 Bridge.call("draw", …) 回传 LED 矩阵帧。手机页面通过官方 App Lab 的 arduino:web_ui 组件用 Socket.IO 提供服务，手机只需在同一个 Wi-Fi 或热点上。
每个传感器与自身几秒前的洁净空气读数比较，这才是 5 秒测试能工作的原因。MQ 传感器会随温度、湿度和预热漂移，绝对阈值不可靠，但几秒内的上升量是可靠的。
现在的判断来自一个小型机器学习模型，运行在 UNO Q 本地，不上云：
pgas/bag_model.py）。模型文件仅 411 字节。照片 2 和 9 的判定来自规则；我们之后用这些测试数据训练了模型，给出相同答案（洁净空气 7% 变质概率，牛奶 93%）。每增加一个新的带标签测试，模型就会更好：把上升量加到 SAMPLES 里，运行 python -m pgas.bag_model。仓库还有一个用 Qualcomm AI Hub 优化模型的脚本（pgas/aihub.py）。
| 器件 | UNO Q 引脚 | 说明 |
|---|---|---|
| MQ-135 | A0 | AO 通过 10 kΩ / 20 kΩ 分压（5 V → 引脚最大 3.33 V） |
| MQ-3（Waveshare） | A1 | 同上分压 |
| MQ-2 | A2 | 同上分压 |
| 加热器 | 5 V | 所有地线共接 |
| 电源 | USB-C | 5 V 充电宝供电，便携使用 |
浏览器模拟把逻辑调对了，但真机上让我们学到更多：
sketch.yaml 中列出 MsgPack、DebugLog、ArxContainer 和 ArxTypeTraits。我们从板子上的 App Lab 示例复制了精确版本。adb shell 设置了 Android 的 TMPDIR 在 UNO Q 上不存在，导致 arduino-app-cli 报错。我们的脚本会重置它。街边小贩不可能依赖订阅服务、云 API 或手机信号。PGAS 用的全是开源的：Arduino App Lab 及其组件、Arduino sketch、Python、scikit-learn 和 ONNX Runtime 做板载推理，代码用 MIT 许可。任何人都可以按一个板子加三个传感器的成本复现、用自己的食物数据重新训练、换更好的模型，数据永远不会离开摊位。
最佳 Arduino 使用。