我花 ¥100 给沙发装了个 AI 驱猫系统：闲置手机 + Java 服务器 + ESP32，断网也能用

一、先说一个养猫人的真实痛点

我家那只狸花猫，叫"西兰花"。

西兰花什么都好，除了一个毛病——认定我们家三千块的布艺沙发是它的专属猫抓板。沙发扶手已经被它挠出了流苏，靠背上的猫毛能搓成毡，最气人的是白天我们上班不在家，它根本没人管。

买过成品驱猫器，要么是喷水的（把沙发喷得全是水渍），要么是插电超声波（贵，且号称的"智能感应"实际就是红外热释电，动不动误触，夜里自己响，邻居都来敲门）。

也想过装摄像头 + 云 AI 识别：一查，云摄像头月费 + 隐私全传到厂商服务器，直接劝退。而且我们小区晚上偶尔会断外网，断网=监控失灵，这怎么行？

于是决定自己造一个：

一个纯局域网运行的"猫咪禁区哨兵"——AI 识别猫咪跳上沙发 → 发射人耳听不到的超声波驱赶。全程离线，断外网照样干活，视频不出家门，总成本不到 ¥150。

这就是今天要介绍的 SofaCatGuard（沙发猫咪守卫） 项目，全部源码开源。

---

二、方案选型：为什么是「手机推流 + Java 服务器」？

动手之前我调研了市面上的技术路线，纠结了很久，也踩过坑。最终定型为 v3 架构，演进过程很值得一说：

版本	方案	问题
v1	树莓派 + USB 摄像头 + 本地推理	树莓派贵（要几百块）、摄像头另买，总成本下不来
v2	手机本地跑 AI（端侧推理）	旧手机 CPU 弱，识别帧率低、发热大；7×24 运行不现实
v3（本项目）	闲置手机只推流，Java 服务器统一分析	算力分离、手机负载极低、扩展性好，成本≈0

v3 的核心思路：手机只出画面，算力交给服务器。

• 📱 闲置安卓手机：CameraX 采集画面 → 内置 MJPEG 服务器推流（纯采集编码，负载极低，发热小）
• 🖥️ Java 分析服务器：旧电脑 / NAS / 树莓派 7×24 常驻，负责拉流 → 预处理 → YOLOv8 推理 → 业务判定 → 下发指令（算力远超手机，识别又快又准）
• 🔌 ESP32 执行端：收指令 → 继电器 → 超声波驱猫

这个分工带来一个隐藏福利：以后想多路监控，只需多加一台手机推流，服务器统一分析，成本接近为零。

---

三、系统总览

┌─────────────────────┐   HTTP MJPEG    ┌──────────────────────────────┐
│   闲置安卓手机        │ ──────────────▶ │  Java 分析服务器（旧电脑/NAS）  │
│  CameraX 采集        │  640×480        │  FFmpeg 拉流（断线自动重连）     │
│  JPEG 编码           │  局域网 1~3Mbps │  CLAHE 暗光增强（夜间关键）      │
│  内置 MJPEG 服务器    │                 │  YOLOv8-Nano ONNX 推理          │
│  前台服务保活+开机自启 │                 │  ROI+停留+冷却 状态机判定         │
└─────────────────────┘                 │  MQTT 发布 ON/OFF               │
                                        └───────────────┬──────────────┘
                                                        │ MQTT (sofacatguard/cmd)
                                        ┌───────────────▼──────────────┐
                                        │  ESP32-WROOM-32               │
                                        │  订阅主题 → 继电器 → 超声波驱猫  │
                                        │  硬件兜底：最长工作 8 秒自动关    │
                                        └──────────────────────────────┘

数据流闭环：猫跳上沙发 → 手机画面经 MJPEG 推到服务器 → 服务器本地推理识别到 cat → 状态机判定"停留 ≥1.2s 且在禁区内" → MQTT 发 ON → ESP32 继电器闭合 → 超声波响起（人耳听不到）→ 8 秒后硬件兜底自动关闭 → 进入 30 秒冷却，防止扰民。

关键点：全程局域网，不依赖公网。断外网？无所谓，路由器还在就行。

---

四、硬件清单：淘宝关键词 + 总预算

全部硬件都是淘宝能买到的普通模块，我把采购关键词都整理好了（详见仓库 docs/淘宝购物清单.md）：

#	物品	淘宝搜索关键词	参考价
1	红外补光灯（夜间必备）	USB 5V 940nm红外补光灯 无红暴	¥15~40
2	ESP32-WROOM-32 开发板	ESP32-WROOM-32 CH340开发板	¥15~30
3	光耦隔离继电器模块	5V继电器模块 光耦隔离 低电平触发	¥3~8
4	超声波驱猫模块	5V超声波驱猫器 人耳听不到	¥10~40
5	杜邦线	杜邦线 母对母 20cm	¥3~6

手机和服务器都用家里的闲置设备，不算钱。

• 最低配置（复用旧电脑当服务器）：约 ¥50~130
• 完整配置（含 OTG 夜视摄像头 + 散热 + 电源）：约 ¥120~280

对比一下：成品智能驱猫器动辄三四百，还带云服务月费；我这个成本不到它一半，还断网可用、零隐私风险、开源可魔改。

⚠️ 两个硬性避雷点（我踩过的坑，文末还会细说）：

1. 红外补光灯必须 940nm（人眼完全不可见），别买 850nm 的——夜里有个刺眼的红点，猫没赶走先把人吓一跳；
2. 超声波模块要买 5V 直驱的裸模块，让继电器控制通断；别买插 220V 的成品驱猫器，那东西没法安全地用继电器控制。

---

五、技术拆解：三端如何协作

5.1 手机端：一个"抠门"到极致的 MJPEG 推流服务器

手机端用 Jetpack CameraX 采集，JPEG 压缩后由 App 内置的 HTTP 服务器以 multipart/x-mixed-replace 方式推流。这部分代码很值得讲，因为它是为"7×24 运行在旧手机上"这个目标服务的，处处都在省电、防阻塞：

亮点一：非阻塞写 + 帧等待锁，零忙轮询

采集线程每来一帧就 pushFrame 更新最新帧并 notifyAll；每个客户端一个写线程，没帧可发时在锁上挂起等待，而不是空转轮询——旧手机长时间跑也不怎么耗电：

/** 采集线程每帧调用：更新最新帧，唤醒等待中的客户端线程（不阻塞采集） */
public void pushFrame(byte[] jpeg) {
    latestFrame = jpeg;
    synchronized (frameLock) {
        frameLock.notifyAll();
    }
}

亮点二：僵尸客户端剔除

慢客户端 / FFmpeg 探测后遗留的死连接，会拖垮发送线程。处理策略是：单帧 2 秒写不完就断开；客户端数超 8 个时踢掉最早的连接，优先保证新连接能接入：

while (clients.size() >= MAX_CLIENTS) {
    // 客户端过多：踢掉最早的连接（通常是 FFmpeg 探测后遗留的僵尸连接）
    SocketChannel oldest = clients.get(0);
    clients.remove(oldest);
    oldest.close();
}

亮点三：无客户端时不编码

hasClients() 返回 false 时，上层可以直接跳过 JPEG 编码——没人看就别干活，把每一毫安时都省下来。

App 还做了前台服务 + WakeLock + BOOT_COMPLETED 开机自启，装好后插电放沙发对面，就再也不用手动管它了。

5.2 服务器端：Java 版"AI 大脑"（本文主角）

服务器是 Maven 工程，技术栈：JavaCV（FFmpeg 拉流 + OpenCV 处理）+ ONNX Runtime（YOLOv8-Nano）+ Eclipse Paho（MQTT），一行 Python 都没有，纯 Java 跑 AI，对 Java 开发者极其友好。

完整流水线：拉流 → 相似度跳帧 → CLAHE 暗光增强 → letterbox 640 → ONNX 推理 → NMS → 业务状态机 → MQTT 下发。

① 拉流：把重连做成"傻瓜式"

用 FFmpegFrameGrabber 拉 MJPEG 流，断流返回 null，主循环按指数退避重连（2s 起步、最长 30s、连上后复位），还做了两件贴心小事：

• errno 翻译：把 FFmpeg 的 error -138 翻译成"连接超时：请确认 stream.url 是手机的 IP（不是服务器 IP）"这种能看懂的话；
• 回环地址警告：如果你把推流地址填成了 127.0.0.1 或本机 IP，启动时直接红字警告——这是新手最容易犯的错（手机 IP 才是对的）。

// 低延迟配置
grabber.setOption("fflags", "nobuffer");
grabber.setOption("probesize", "1024");
// 连接超时与读写超时各 5 秒，避免推流无数据时永久挂起
grabber.setOption("timeout", "5000000");
grabber.setOption("rw_timeout", "5000000");

② 性能优化：画面没变，就别让 CPU 白烧

这是整个服务器端我最得意的一个优化——相似度跳帧。

把当前帧缩小到 160×120 和基准帧做帧差，均值低于阈值就认为画面没变化，跳过预处理和模型推理，直接复用上一次的检测结果：

boolean changed = isFrameChanged(frame, lastSmall, cfg.motionThreshold);
boolean forceRefresh = t - lastInferenceAt >= cfg.motionRefreshMs;
if (firstFrame || changed || forceRefresh) {
    // 画面有变化 / 首次 / 强制刷新：完整推理
    ...
} else {
    // 画面无变化：复用上次检测结果，跳过预处理与模型推理
    detections = lastDetections;
}

加上 forceRefresh（默认 10 秒强制推理一次）兜底，防止"缓慢变化"漏检。夜间猫卧着不动时，CPU 占用能降一大截——毕竟服务器要 7×24 常驻，能省一点是一点。

③ 夜间识别：全项目最大的技术难点

夜间关灯是刚需（猫就是趁黑行动的），而 YOLOv8 在纯黑画面里啥也认不出。解决方案分两层：

硬件层：940nm 红外补光。 人眼不可见的红外光照亮沙发区域，手机摄像头能拍到红外画面（判断标准：手机相机能拍到电视遥控器的红外光点，就能用；拍不到就得加 USB OTG 夜视摄像头）。

软件层：CLAHE 暗光增强。 注意细节——只对 YCrCb 空间的亮度通道 Y 做 CLAHE，而不是对整个 RGB 图做，否则颜色会被搞花：

/** 夜间暗光增强：BGR → YCrCb，仅对亮度通道做 CLAHE */
public static Mat nightEnhance(Mat bgr) {
    Mat ycrcb = new Mat();
    cvtColor(bgr, ycrcb, COLOR_BGR2YCrCb);
    MatVector channels = new MatVector(3);
    split(ycrcb, channels);
    CLAHE clahe = createCLAHE(2.0, new Size(8, 8));
    clahe.apply(channels.get(0), channels.get(0));
    clahe.close();
    merge(channels, ycrcb);
    cvtColor(ycrcb, bgr, COLOR_YCrCb2BGR);
    ...
    return bgr;
}

增强后再走标准流程：letterbox 等比缩放 + 灰边填充到 640×640 → 转 CHW float 张量 → ONNX Runtime 推理。

④ 推理：ONNX Runtime 跑 YOLOv8-Nano

模型用官方 COCO 预训练的 yolov8n.pt，一行 Python 导出成 ONNX（仓库里有现成脚本 scripts/export_yolov8_onnx.py）：

python export_yolov8_onnx.py   # imgsz=640, opset=12, simplify=True
# 输出 yolov8n_640.onnx → 放到 server/models/

推理层有个很实用的兼容处理：同时兼容 YOLOv8 的两种输出布局（[1,84,8400] 和 [1,8400,84]），不同版本 ultralytics 导出的模型都能直接跑，不用返工：

boolean rowMajor = outShape.length == 3 && outShape[1] == NUM_PREDS;

然后标准 NMS 去重，把 640 坐标系的框换算回原图归一化坐标。

⑤ 业务判定：一个 80 行的状态机，防误触的灵魂

识别到猫只是第一步，真正的工程难点是别误触发——夜里一个光斑、一片阴影、猫快速路过，都不该启动驱赶。状态机 GuardLogic 做了四重过滤：

1. 只看 cat 类（COCO class 15），其他类别直接忽略；
2. 面积过滤：目标框面积占比低于阈值（默认 0.01）就丢弃，滤掉光斑、阴影噪点；
3. ROI 禁区：只有目标中心点进入你框选的沙发区域才算数；
4. 停留阈值：必须持续停留 ≥1.2 秒才触发，快速路过不响。

触发后进入 30 秒冷却；如果猫赖着不走，每轮冷却结束会重复警告，直到它离开——这个"持续驱赶"的细节很多人会漏掉：

} else if (nowMs >= coolingUntil) {
    // 猫持续逗留：每轮冷却结束重复警告，持续驱赶直到猫离开
    coolingUntil = nowMs + cooldownMs;
    listener.onCommand(true);
}

整个状态机就 80 行，清晰好读，是我全项目最满意的类之一。

⑥ 下发：MQTT + 断线补发

触发后经 Paho 向 sofacatguard/cmd 发布 ON / OFF，MQTT 断线自动重连，恢复后补发未送达的指令。所有参数都在 config.properties 里可调（阈值、ROI、冷却时长、帧间隔……），不用改代码就能调参。

5.3 ESP32 端：硬件兜底是最后的底线

ESP32 用 Arduino 框架 + PubSubClient，逻辑非常简单：连 WiFi（带重连）→ 订阅 MQTT 主题 → 收到 ON 闭合继电器 → 收到 OFF 断开。

但有一个设计我必须单独拎出来讲——硬件兜底：

// 硬件兜底：超声波最长工作 8 秒自动关闭（即使 App/网络失联）
if (alarmUntil > 0 && (long)(millis() - alarmUntil) >= 0) {
    alarmUntil = 0;
    relayOff();
    Serial.println("[兜底] 8 秒到时，超声波已自动关闭");
}

即使服务器挂了、WiFi 断了、App 失联了，超声波最多响 8 秒一定自动关。这是安全底线：万一哪天逻辑出 bug，也不至于让超声波一直响着折磨猫。

接线就 4 根线：ESP32 GPIO4 → 继电器 IN，5V/GND 供电，继电器 COM/NO 串进超声波供电回路。光耦隔离继电器默认低电平触发（RELAY_ACTIVE_LOW=true），高电平触发的板子改一个常量即可。

---

六、部署：8 步走，周末就能跑起来

整个流程我在 README 里写了详细版本，这里给速通版：

1. 接线：ESP32 → 继电器 → 超声波，通电测试通断；
2. 手机端：Android Studio 打开 android/ 工程，Build APK 装到旧手机，授权相机/通知，启动推流，记下界面显示的推流地址；
3. 导出模型（PC 端一次性的）：跑 scripts/export_yolov8_onnx.py，把 yolov8n_640.onnx 放进 server/models/；
4. 构建服务器：cd server && mvn package，改 config.properties（推流地址、MQTT、ROI、阈值），java -jar target/sofacatguard-server-1.0.0.jar config.properties 启动，日志出现「模型加载成功」即就绪；
5. 部署 MQTT Broker：EMQX 或 ESP32 内置简易 Broker（二选一，仓库有说明）；
6. 烧录 ESP32，测试 MQTT 收发；
7. 整体联调：先白天测试，再夜间关灯 + 红外补光灯复测；
8. 固化运行：App 加电池白名单、开自启动；服务器进程用 systemd / 计划任务托管，崩溃自动重启。

---

七、踩坑清单：帮你的猫和邻居感谢我

这些都是真实踩过的坑，全部写进了仓库的避坑规范：

坑	正确姿势
红外灯买成 850nm	必须 940nm 无红暴，人眼完全不可见
继电器买成高电平触发	优先选「低电平触发」，或把固件 RELAY_ACTIVE_LOW 改为 false
模型输入尺寸和 letterbox 不一致	导出 ONNX 必须 imgsz=640、opset≥12，与服务器 letterbox 一致，否则推理结果错位
推流地址填成 127.0.0.1	那是手机自己的 IP，服务器上要填手机的局域网 IP
手机屏幕锁了/后台被杀	关自动锁屏、关省电、加电池白名单、开自启动（国产 ROM 还要手动允许自启动管理）
红外灯直射镜头	别对着镜头照，否则画面曝光发白全废
忘了兜底	ESP32 端 8 秒硬件兜底必须保留，这是安全底线

参数调优口诀：夜间把 conf.thres 从 0.35 降到 0.25，同时调高 min.area.ratio，识别率和防误判两手都要硬。

---

八、成本与体验对比：凭什么选它

对比项	成品智能驱猫器	云摄像头 + AI	SofaCatGuard
成本	¥300+	设备 + 月费	¥50~130（复用闲置设备）
断网	感应失灵	直接瘫痪	照常工作
隐私	—	视频上传云端	全程局域网，零上传
夜间	红外热释电，误触多	夜视一般	940nm 红外 + CLAHE，专门优化
可玩性	不可改	封闭生态	全开源，Java/Android/C++ 任你魔改

作为一个开发者，最爽的点其实是最后一行——这套系统从相机采集到 AI 推理到硬件执行，每一行代码都是自己的。想加"猫离开自动关"？想存抓拍截图？想只晚上 22 点到早 7 点开启警戒？都只是加几个 case 的事。

---

九、二期展望

仓库里已经规划了二期方向，欢迎来提 PR：

1. 触发时自动保存抓拍截图、记录闯入时间（服务端 Mat 直接存图，条件已具备）；
2. 定时警戒：仅夜间 22:00~07:00 自动开启；
3. 手动开关：人在家时一键关闭驱赶；
4. 触发次数统计日志（grep 已发布 就能数）；
5. 多路监控：多台手机推流，服务器多实例扩展。

---

十、写在最后

这个项目的初衷很简单：养猫和养家具，不该是单选题。而作为一个程序员，解决生活痛点最爽的方式，就是自己动手写一套系统——顺便把 Android、JavaCV、ONNX Runtime、MQTT、ESP32 这些技术全部串起来练了一遍。

如果你也养猫、也有闲置手机和旧电脑、也想玩物联网 + 端侧 AI，强烈建议动手复刻一个。项目地址：

GitHub：github.com/sakka6868/S…

如果觉得这个项目对你有用：

• ⭐ 点个 Star，让更多铲屎官看到它；
• 🐛 遇到问题提 Issue，或者加个 feature 提 PR；
• 💬 评论区聊聊你家猫干过什么"沙发惨案"，以及你想加什么功能。