感知层的道关卡是传感器。温度、压力、光照、加速度、气体浓度等物理量，本身无法被计算机直接读取。传感器利用压电效应、热电效应、光电效应等原理，将这些量转换为电压、电流或电阻变化。例如，MEMS加速度计内部有微小的悬臂结构，运动时惯性力使悬臂偏移，电容随之改变，再通过电路转换为数字读数。这一步决定了数据的“原始质量”——精度、响应速度和稳定性。
传感器输出的往往是连续变化的模拟信号，而物联网设备需要离散的数字量。数据采集系统承担了放大、滤波、采样和量化的任务。模数转换器按固定频率对信号采样，再按位数切分电压区间。根据奈奎斯特采样定理，采样率必须高于信号频率的两倍，否则会丢失信息。采集后的数据通常带有时间戳，为后续分析提供时序依据。
如果所有原始数据都上传云端，网络带宽和延迟将难以承受。边缘计算把部分计算能力下沉到传感器节点或网关。它可以在本地完成异常检测、数据压缩和特征提取。例如，振动传感器不必上传每秒数千个采样点，而是先在边缘计算振动频谱，只在发现异常频率成分时才发送告警。这既降低了功耗，也提高了实时性，尤其适合工业预测性维护和自动驾驶等场景。
感知层后一步是通信。低功耗广域网如LoRa、NB-IoT适合远距离、小数据量、电池供电的场合；蓝牙低功耗和Zigbee则用于短距离组网；Wi-Fi 6和5G在需要高带宽或低延迟时发挥作用。选择哪种技术，取决于传输距离、数据速率、功耗预算和部署成本。无线信号在复杂环境中会衰减、反射和干扰，因此协议设计通常包含重传、跳频和纠错机制，以保证数据可靠到达。
从传感器捕捉物理变化，到数据采集完成数字化，再到边缘计算做本地决策，后通过无线传输汇入网络——这四个环节共同构成了物联网感知层。它不只是硬件的堆叠，更是物理世界与数字世界之间的翻译器和过滤器。理解感知层的工作原理，有助于我们看清物联网系统为何能实时、可靠且高效地运行。
