首页 > 分享 > “物联网开发实战”学习笔记

“物联网开发实战”学习笔记

花匠小妙招
2024-11-12 16:05

“物联网开发实战”学习笔记-（五）根据土壤湿度、环境温湿度和光照强度自动浇花

研究场景需求

自动浇花这个场景，很明显是为了自动控制水泵，及时给植物补充水分。同时用户的目的并不只是浇水而已，他们真正想要的，是看到自己养的植物健康地生长。

植物生长需要的条件

在这里插入图片描述

环境温湿度条件

热带的植物无法忍受低温和干燥的环境条件，而温带植物遇到高温，也可能出现热衰竭的现象，所以环境的温度和湿度最好也能监控。

光照条件

植物进行光合作用，所以光照强度需要监控。

空气质量

对植物的生长来说也很重要，比如二氧化碳是否充足，有害气体是否超标等。

所以综合来看，我们需要监控的指标包括土壤湿度、环境温湿度和光照强度。

硬件电路

相应的传感器可以确定是土壤湿度传感器、环境温湿度传感器和光照传感器。

下面，我总结一下自动浇花器需要用到的材料：
1.NodeMCU ESP32 开发板（用WI-FI）

2.继电器，用于控制水泵的供电电路的通断。

3.水泵，用于从水箱中抽水，并送到花盆中。

4.电池盒，用于给水泵供电。

5.土壤湿度传感器
它可以测量花盆土壤的湿度，然后输出模拟信号。

6.环境温湿度传感器
它基于 DHT11 传感器，用于测量房屋中的温度和湿度，并且输出数字信号。它采用单总线（1-wire）接口与 NodeMCU 连接。

7.光照传感器，它可以测量花盆位置接收到的光照条件。

8.面包板和杜邦线。

课程给出的一个电路图，方便了解整个自动浇花器的设备组成。
在这里插入图片描述

软件实现

接下来还是使用 Python 语言来完成软件的开发工作。

继电器

继电器的控制。主要是改变了连接的 GPIO 管脚。根据硬件电路的连线，这里使用的是 GPIO23 管脚。
参考代码它连接的管脚是 GPIO23）：

## ！！！本文件采用商城的继电器模块FL-3FF-S-Z ## ！！！on(), off()状态相反。 ## ！！！初始化中需要调用on()先关闭水泵电路 from machine import Pin class Relay(): ON = 0 OFF = 1 def __init__(self, pin): self.relaypin = Pin(pin, Pin.OUT) self.relaypin.on() self.last_status = self.OFF def set_state(self, state): tmp_state = self.ON if state==1 else self.OFF self.relaypin.value(tmp_state) self.last_status = tmp_state def state(self): return self.last_status def on(self): self.relaypin.value(self.ON) self.last_status = self.ON def off(self): self.relaypin.value(self.OFF) self.last_status = self.OFF 12345678910111213141516171819202122232425262728 土壤湿度传感器

土壤湿度传感器。它会根据不同的电阻值，输出变化的模拟信息，数值越小，说明越干燥。使用的时候，你需要把它完全插入花盆的土壤中。

参考代码（它连接的管脚是 GPIO34）：

from machine import ADC from machine import Pin class SoilSensor(): def __init__(self, pin): self.sensor = ADC(Pin(pin)) def value(self): value = self.sensor.read() print("Sensor ADC value:",value) return int(value*100/4095) 123456789101112 环境温湿度传感器

环境温湿度传感器是基于 DHT11 实现的，并且使用的是单总线的连接方式，我们可以直接使用。

参考代码（它连接的管脚是 GPIO14）：

import dht from machine import Pin class EnvSensor(): def __init__(self, pin): self.sensor = dht.DHT11(Pin(pin)) def value(self): self.sensor.measure() return (self.sensor.temperature(), self.sensor.humidity()) 1234567891011 光照传感器

光照传感器
参考代码（它连接的管脚是 GPIO36）：

from machine import ADC from machine import Pin class IllumSensor(): def __init__(self, pin): self.sensor = ADC(Pin(pin)) def value(self): value = self.sensor.read() print("Sensor ADC value:",value) return int(value/4095*600 123456789101112 完成联网开发

将设备接入腾讯云物联网平台。可以参考前面的分享。
自动浇花器的物模型 JSON 文件，提供参考。

{ "version": "1.0", "profile": { "ProductId": "你的ProductID", "CategoryId": "909" }, "properties": [ { "id": "power_switch", "name": "水泵开关", "desc": "控制水泵启动关闭", "mode": "rw", "define": { "type": "bool", "mapping": { "0": "关", "1": "开" } } }, { "id": "water_shortage", "name": "缺水状态", "desc": "水箱是否缺水", "mode": "r", "define": { "type": "bool", "mapping": { "0": "否", "1": "是" } } }, { "id": "humidity", "name": "土壤湿度", "desc": "当前的土壤湿度", "mode": "r", "define": { "type": "int", "min": "0", "max": "100", "start": "0", "step": "1", "unit": "%" } }, { "id": "env_temp", "name": "环境温度", "desc": "空间环境的温度", "mode": "r", "define": { "type": "float", "min": "-40", "max": "100", "start": "0", "step": "0.1", "unit": "℃" }, "required": false }, { "id": "env_hum", "name": "环境湿度", "desc": "周围环境的湿度", "mode": "r", "define": { "type": "int", "min": "0", "max": "100", "start": "0", "step": "1", "unit": "%" }, "required": false }, { "id": "env_illum", "name": "环境光照度", "desc": "周围环境的光照度", "mode": "r", "define": { "type": "int", "min": "0", "max": "6000", "start": "0", "step": "1", "unit": "lux" }, "required": false } ], "events": [], "actions": [] } 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596

多传感器融合

在测量过程中，我们可以使用多个土壤传感器进行测量，然后根据多个测量值来计算出更可靠的土壤水分含量。这个计算过程就是多传感器融合。
多传感器融合最关键的地方，不是多个传感器的硬件连接或数据收集，而是融合算法，也就是怎么进行多个不同维度的参数的处理，从而得到一个相对准确的、有意义的数据信息。
这个就是物联网的应用层的工作模块，根据传感器反馈回来的大量的数据通过训练构建模型，这个过程其实体现了人工智能与物联网的融合点。

在这里插入图片描述