企业官网建设流程全解析

IoT-For-Beginners 硬件指南：Arduino（Wio Terminal）与 Raspberry Pi 双平台选型与虚拟硬件实战

【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners

导读

本指南基于 IoT-For-Beginners 课程仓库中的 hardware.md 硬件说明文档，系统梳理该 12 周、24 课 IoT 入门课程所依赖的硬件方案：以 Seeed Wio Terminal 为代表的Arduino 微控制器路线、以 Raspberry Pi 为代表的单板计算机路线，以及无需购买任何硬件即可完成全部作业的CounterFit 虚拟硬件路线。读完本文，你将掌握三条路线的设备清单、采购方式、传感器/执行器配置，以及虚拟硬件环境的搭建与源码级运行原理，从而为后续课程做出最合适的硬件选型决策。

课程硬件设计哲学：T 即 Things

IoT 中的T代表Things（物），即与周围世界交互的物理设备。本课程的每一个项目都基于真实可获得的硬件构建，但同时提供"虚拟硬件"版本——你不需要购买任何 IoT 硬件即可完成全部作业，所有内容都可以通过虚拟 IoT 硬件完成。

课程在设计上提供了Arduino与Raspberry Pi两种物理硬件选择，具体选哪条路线取决于个人偏好、编程语言熟悉程度、学习目标以及硬件可获得性。两大平台的差异（各自的优势与劣势）在 1-getting-started/lessons/2-deeper-dive/README.md（第一项目的第二课）中有深入讲解，尚未决定平台的学习者可以先阅读该课再行决策。

课程所选的硬件经过精心挑选，以降低课程与作业的复杂度：

• 虽然其他硬件可能也能工作，但无法保证全部作业都能在未附加硬件的情况下得到支持；
• 例如，大量 Arduino 设备没有 WiFi，而 WiFi 是连接云端（Azure IoT Hub 等）所必需的——这正是课程选择Wio Terminal的原因，因为它内置 WiFi。

此外，完成课程还需要少量非技术性物品，例如土壤或盆栽植物、水果或蔬菜（用于农业项目的植物生长预测、果实检测等实验）。

购买套件：Seeed Studios 官方套装

Seeed Studios 将课程所需的全部硬件打包为易于购买的一站式套件：

Arduino 路线 —— Wio Terminal 套装

IoT for beginners with Seeed and Microsoft - Wio Terminal Starter Kit（外部链接，详见英文原版 hardware.md）

Raspberry Pi 路线 —— Raspberry Pi 4 套装

IoT for beginners with Seeed and Microsoft - Raspberry Pi 4 Starter Kit（外部链接，详见英文原版 hardware.md）

说明：本仓库为纯文档/代码仓库，原文中的套件购买链接指向 Seeed 官网，文中不展开具体购买页内容；两套套件的完整设备构成见下文两个路线的硬件清单。

Arduino 路线：Wio Terminal（C++ 编程）

Arduino 路线的全部设备代码使用C++编写。在仓库中可以找到对应证据：Wio Terminal 的代码均位于各课的wio-terminal目录下，例如 1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal/nightlight/src/main.cpp，并配套 platformio.ini 工程配置文件。Arduino 应用以setup和loop两个函数为核心骨架，这一点在 1-getting-started/lessons/2-deeper-dive/README.md 中有详细展开。

Arduino 基础硬件

完成全部 Arduino 作业需要：

• Wio Terminal——课程选定的 Arduino 兼容开发板，内置 WiFi（这是连接云端的关键能力）；
• （可选）USB-C 线缆或 USB-A 转 USB-C 适配器：Wio Terminal 配备 USB-C 端口，出厂附带一根 USB-C 转 USB-A 线。如果你的 PC 或 Mac 只有 USB-C 端口，则需要额外的 USB-C 线或转接适配器。

Arduino 专属传感器与执行器

以下外设仅适用于 Wio Terminal，与 Raspberry Pi 路线无关：

Raspberry Pi 路线（Python 编程）

Raspberry Pi 路线的全部设备代码使用Python编写。仓库证据见各课的pi目录，例如 1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi/nightlight/app.py，该文件通过from grove.grove_light_sensor_v1_2 import GroveLightSensor直接操作 Grove 生态的光传感器。

Raspberry Pi 基础硬件

完成全部作业需要：

• Raspberry Pi（型号参考 Raspberry Pi 4 Model B）

  💁兼容性说明：Pi 2B 及以上版本应可运行本课程全部作业。若计划直接在 Pi 上运行 VS Code 进行开发，则需要Pi 4 且内存 2GB 及以上；若采用远程访问方式连接 Pi，则任何 Pi 2B 及以上均可。

• microSD 卡（部分 Raspberry Pi 套件自带），配合 SD 读卡器（若电脑无内置卡槽）；
• USB 电源适配器：Raspberry Pi 4 需要USB-C电源，更早的型号需要micro-USB电源。

Raspberry Pi 专属传感器与执行器

以下外设仅适用于 Raspberry Pi，与 Arduino 路线无关：

• Grove Pi base hat——通过 40 针 GPIO 扩展 Grove 生态传感器接口的扩展板；
• Raspberry Pi Camera Module——摄像头，用于果实检测、库存检测等视觉类项目（参见 4-manufacturing 与 5-retail 的课程）；
• 麦克风与音箱（以下任一方案或其等价替代）：
  • 任意 USB 麦克风 + 任意 USB 音箱，或带 3.5mm 接口线的音箱，或在连接了带音箱显示器/电视时使用 HDMI 音频输出；
  • 任意带内置麦克风的 USB 耳机；
  • ReSpeaker 2-Mics Pi HAT + 3.5mm 耳机/音箱或 JST 音箱；
  • USB 会议音箱（Speakerphone）；
• Grove 光传感器（phototransistor 光电晶体管）；
• Grove 按钮。

通用传感器与执行器：两条路线共用

以下传感器与执行器在 Arduino 和 Raspberry Pi 两条学习路线中都会被用到，是本课程硬件清单的核心：

仓库图片目录 images/ 中提供了上述传感器的实物图（如grove-relay.png、grove-capacitive-soil-moisture-sensor.png、grove-gps-sensor.png等），可用于核对设备外观与接线方式。

可选硬件：USB 水泵实现自动灌溉

2-farm/lessons/3-automated-plant-watering 的自动浇水课程通过继电器控制水泵。作为一个可选扩展，可以将继电器连接到由 USB 供电的水泵上，所需硬件如下：

• 6V 迷你水泵；
• USB 供电端子（USB terminal）；
• 硅胶软管；
• 红黑导线；
• 小型一字螺丝刀。

该扩展硬件用于构建"湿度传感器读取 → 控制器判断 → 继电器开关 → 水泵灌溉"的完整自动浇水闭环，仓库中的 chart-soil-moisture-relay.png 等图片展示了相关运行结果。

虚拟硬件路线：用 CounterFit 模拟全部传感器与执行器

对于没有实体硬件、或希望在购买前先体验的学习者，课程提供了虚拟硬件路线：为传感器与执行器提供基于 Python 实现的模拟器，核心依赖CounterFit 项目。

灵活的运行方式

根据你的硬件拥有情况，虚拟路线支持三种模式：

1. 在普通开发机（Mac / PC）上运行，模拟全部传感器与执行器；
2. 在 Raspberry Pi 上运行，仅模拟你没有的那部分硬件——例如你拥有 Pi 摄像头但没有 Grove 传感器，就可以在 Pi 上运行虚拟设备代码来模拟 Grove 传感器，同时使用实体摄像头；
3. 完全无硬件，仅靠开发机完成全部作业。

完成这些课程至少需要：网络摄像头、麦克风、音频输出（音箱或耳机），内置或外接均可，且需配置好与操作系统的兼容性、可供所有应用调用。

环境搭建与源码原理

虚拟硬件路线的完整搭建过程记录在 1-getting-started/lessons/1-introduction-to-iot/virtual-device.md，核心步骤如下：

1. 安装基础软件：Python、VS Code、VS Code Pylance 扩展（Python 语言支持）。

2. 创建 Python 虚拟环境（隔离 Pip 包，避免版本冲突）：

mkdir nightlight cd nightlight python3 -m venv .venv

激活虚拟环境（macOS/Linux 为source ./.venv/bin/activate，Windows 的 Command Prompt 为.venv\Scripts\activate.bat，PowerShell 为.\ .venv\Scripts\Activate.ps1），并确认 Python 版本不低于 3.6：

python --version

3. 安装 CounterFit 相关 Pip 包：

pip install CounterFit pip install counterfit-connection pip install counterfit-shims-grove

三个包的分工（与仓库代码对应）：

• CounterFit：主应用，以本地 Web 应用形式模拟传感器与执行器；
• counterfit-connection：提供CounterFitConnection类，负责在代码中建立与 CounterFit 应用的连接；
• counterfit-shims-grove：Grove 硬件的 shim 层，让你可以像编写实体 Grove 传感器代码一样编写虚拟硬件代码。

4. 连接"硬件"：先运行counterfit启动模拟应用（默认监听127.0.0.1:5000，可通过CounterFit --port <端口号>修改端口），再在代码中初始化连接：

from counterfit_connection import CounterFitConnection CounterFitConnection.init('127.0.0.1', 5000)

运行后 CounterFit 界面会从Disconnected变为Connected，表示虚拟设备连接成功。对应的完整 Hello World 代码见 1-getting-started/lessons/1-introduction-to-iot/code/virtual-device/nightlight/app.py。

虚拟传感器实战：夜灯项目中的光传感器

以夜灯项目为例，1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md 演示了如何在 CounterFit 中创建虚拟光传感器（在Sensors面板的Create sensor框中，将Sensor type选为Light、Units保持 NoUnits、Pin设为 0），然后编写读取代码。完整可运行版本见 1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device/nightlight/app.py：

import time from counterfit_connection import CounterFitConnection from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor CounterFitConnection.init('127.0.0.1', 5000) light_sensor = GroveLightSensor(0) while True: light = light_sensor.light print('Light level:', light) time.sleep(1)

运行python3 app.py后，控制台会持续输出光强读数。在 CounterFit 界面中既可以在Value框输入固定数值并点击Set，也可以勾选Random并设定Min/Max让传感器每次读取返回随机值，从而模拟环境光照变化。

值得注意的移植性设计：对比实体 Pi 版本 code-sensor/pi/nightlight/app.py，两者仅导入语句不同（counterfit_shims_grove.grove_light_sensor_v1_2对grove.grove_light_sensor_v1_2），核心读写逻辑完全一致——这正是 CounterFit shim 层的设计目标：让学习者从虚拟硬件迁移到实体硬件（或反向）时几乎无需改动业务代码。

选型决策与平台对比

综合以上信息，三条路线的选型决策可归纳为：

更深入的平台对比（微控制器与单板计算机在 CPU 主频、内存量级、I/O、操作系统、框架生态等方面的差异）见 1-getting-started/lessons/2-deeper-dive/README.md 与配套作业 assignment.md。

硬件的课程使用全貌

本仓库 6 大项目板块（入门、农业、交通、制造业、零售、消费者）对硬件的依赖贯穿始终：

• 1-getting-started：夜灯项目，使用 LED、光传感器、按钮、继电器与温湿度传感器，是硬件入门的起点；
• 2-farm：植物生长预测（温湿度/DHT11）、土壤湿度检测（电容式湿度传感器）、自动浇水（继电器 + 可选 USB 水泵）；
• 3-transport：GPS（Air530）位置追踪、位置数据存储与可视化、地理围栏；
• 4-manufacturing 与 5-retail：ArduCam / Pi Camera 的图像采集与边缘推理；
• 6-consumer：ReSpeaker 双麦克风语音识别、语音反馈与多语言支持。

每个项目目录下都同时提供pi、wio-terminal、virtual-device三种实现，保证任意硬件路线（包括零硬件）的学习者都能完整走完课程。

总结

选择哪条硬件路线，本质是在嵌入式 C++ 的 Wio Terminal、Python 生态的 Raspberry Pi与零成本的 CounterFit 虚拟硬件之间做权衡。无论选择哪条路线，hardware.md 给出的清单与本文结合源码补充的环境搭建、传感器接线、虚拟模拟器使用方式，都能确保你以最小的上手成本开启完整的 12 周 IoT 学习之旅。如果仍有犹豫，最稳妥的做法是：先用虚拟硬件跑通前几课，再根据兴趣决定是否采购 Wio Terminal 或 Raspberry Pi 套件。

【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners