【毕设参考】ESP32 + HaaS Python 打造的噪音检测系统,远离喧嚣,安享静谧

简介: 【毕设参考】ESP32 + HaaS Python 打造的噪音检测系统,远离喧嚣,安享静谧

噪音检测系统

  下图是本案例除硬件连线外的3步导学,每个步骤中实现的功能请参考图中的说明。在硬件连线完成之后我们建议您先使用“一分钟上云体验”功能预先体验本案例的实际运行效果。




简介

  当今社会,噪音污染已近影响到了人们日常工作生活的方方面面,办公室的噪音污染会影响员工的工作效率,生活中的噪音污染会影响大家的睡眠和情绪,从而影响我们的身心健康。


  噪音检测系统目的是检测办公室和生活环境的噪音,当噪音超过设定的峰值时,发出警报。 根据报警提示,办公室里的人可以通过降低打电话,讨论的声音,或者主动到会议室去,以避免打扰别人;家里的人也可以据此作出相应的对策,比如关门窗,联系物业或者警察等。


 本课程介绍如何打造一个室内噪声检测报警系统。


  噪声标准


比较安静: 30~40 分贝

影响睡眠和休息:50分贝以上

影响工作效率: 70分贝以上

严重影响听力或导致其他疾病: 长期生活在90分贝以上环境

  为了检测室内环境中声音的大小,本场景的示意图如下图所示,场景设计的行为如下:


通过声音传感器测量环境声音大小

当声音低于90分贝时,根据不同的声音大小亮不同颜色的灯:

小于40分贝亮绿色

50~70分贝亮蓝色

大于70分贝亮红色

当声音大于90分贝时打开蜂鸣器

准备

  本案例只需要如下硬件:


ESP32一台

MK002508声音传感器一个

RGB三色LED灯一个

蜂鸣器一个

杜邦线若干

Micro-USB数据线一条

硬件连线图

  硬件连线图如下图所示:




物联网平台开发

开通公共实例

  对于第一次使用物联网平台的读者,需要开通实例以使用物联网平台的功能。这里可以使用免费的公共实例进行开发。


  在物联网平台中,左上角选择“华东2-上海”,点击“公共实例”,即可开通。




开通物联网平台功能之后,需要完成下面的4个步骤完成云端设备的设定:


创建云端产品

创建产品属性(物模型)

创建云端设备(获取三元组)

多设备场景联动设定

创建云端产品

  点击上图中的“公共实例”,即可进入控制台进行产品创建。然后,点击创建产品按钮,如下图所示。




  在新建产品设定页面按照下图所示,设定“产品名称”,选择所属的“自定义品类”,节点类型选择“直连设备”,联网方式选择“Wi-Fi”,数据格式选择“ICA标准数据格式”,检验类型和认证方式选择默认设定即可。还可以根据开发者自己的需求在“产品描述”页面添加针对此产品的描述。




  选择之后,点击“确认”按钮,即可完成产品创建。返回“产品”页面之后可以看到产品类表中会出现刚刚创建的“声音检测装置”的产品,如下图所示。




创建产品属性(物模型)

  点击上图中的“查看”按钮,即可看到产品信息,Topic列表,功能定义,数据解析等跟产品相关功能的设定。点开“功能定义”标签页,可以看到设备物模型定义。




  标识符是设备端上报设备属性状态的消息中需要使用的标识符,并且只有在设备上报的属性内容符合“数据定义”中的数据取值范围的时候才会被物联网平台记录,否则会被物联网平台认定为非法属性而过滤掉。


  本节我们选择创建自定义物模型的方式来创建此系统需要的物模型信息,点击上图中的”编辑草稿“按钮。然后按照下图的步骤,选择添加自定义功能。




  然后按照下图分别选择声音分贝值、点亮绿灯,点亮红灯,点亮蓝灯和开蜂鸣器属性添加。


声音分贝值



* 点亮红灯:




* 点亮绿灯:




* 点亮蓝灯:




* 开蜂鸣器:




  产品及其物模型创建完成后,此时点击“发布”按钮,按照系统提示一步一步进行下去就可以将刚刚创建的物模型属性发布到产品中:




创建云端设备(获取三元组)

  在产品列表页面中,点击“管理设备”,就会进到设备管理页面。




  在“设备”页面点击“添加设备”按钮,如下图所示。




  在“添加设备”页面中设定“deviceName”,这里开发者可以自己填入自己想设定的设备名称,也可以不填任何内容让系统自动生成设备名称,如下图所示。




  设备添加完成后,点击“查看”按钮,就可以看到此设备端详细信息了。






  设备信息中有两个信息需要和设备端开发相匹配:


三元组

物模型属性信息



获取设备三元组


  如上图所示,点击“查看”按钮,就可以看到设备的三元组信息,三元组是物联网设备端和物联网云端设备相关联的唯一标识符,在设备端连接云端的时候会使用三元组信息和云端进行鉴权,鉴权通过之后云端会认为设备已激活并上线。




查看设备属性信息


  设备详情信息页中的“物模型数据”标签页中可以看到设备的所有属性信息、设备时间上报情况及设备服务调用情况,如下图所示。待物联网设备按照设备属性对应的标识符上报设备属性的时候,本图片中的“声音分贝值“,“点亮红灯”等属性值就会显示设备最新的属性信息。




创建产品和设备的过程是按照面向对象的思想进行设计的,其中创建产品可以看成是新建一个类,其中的物模型则是类的对象,创建设备则是进行类的实例化。


云端物模型


  在此产品的物模型中有四个bool类型的属性,命名为"点亮红灯", "点亮绿灯", “点亮蓝灯” 和 “开蜂鸣器”,这四个属性的ture和false分别对应是否点亮红灯,绿灯,蓝灯和是否开蜂鸣器。


多设备场景联动设定


  控制逻辑有两种实现方式:


使用物联网平台的规则引擎功能

使用IoT Studio的业务逻辑功能

  本节接下来就开始介绍使用物联网平台的规则引擎来完成此控制逻辑的设定。


  按照下图所示的步骤创建场景联动的规则:




  点击“创建规则”之后,填入场景规则名称,这里我们先创建第一个“声音低于40分贝点亮绿灯”的规则。




  规则创建完成后,等待几秒钟系统会自动跳转到规则编辑页面,这里需要配置如下两步完整一整条规则的创建:


设置“触发器”为声音检测装置的“声音分贝值"属性低于40分贝时发此规则的执行,如下图所示。



设置“执行动作"为控制设备打开”点亮绿灯“属性。



  点击保存之后”温度过高打开空调“的场景联动规则就创建好了。


 用相同的方式创建另外三条场景联动规则:


"50-70分贝点亮蓝色",如下图所示



* ”大于70分贝点亮红色“,如下图所示




"持续90分贝以上开蜂鸣器“,如下图所示



  创建完这几条规则之后,在”场景联动“页面中点击规则后面的启动按钮,则所有的规则都会运行起来。




设备端开发

开发环境

  在进行下一步之前请确保ESP32开发环境已经搭建完毕。详情请参考esp32开发环境的说明。


创建解决方案

  点击下图中的"快速开始"按键(




)会弹出HaaS Studio的欢迎页面,请点击“创建项目”按钮。


  在随后弹框中,设定好项目名称(“noise_detector”)及工作区路径之后,硬件类型选择nodemcu32s,点击“立即创建”,创建一个Python轻应用的解决方案。




下载本案例设备端代码并解压,然后将所有文件复制后覆盖noise_detector工程目录下的原有文件。其中main.py脚本的内容如下图所示:




  然后对main.py里边的内容后需要完成以下三处代码修改。


Python脚本的详细说明请参考脚本内嵌的文字版注释


修改路由器名称及密码    修改noise_detector工程里main.py中wifiSsid和wifiPassword的值为读者实际要连接的路由器的名称及密码(请注意名称和密码都需要放在""符号中间)。

# Wi-Fi SSID和Password设置

wifiSsid = "请填写您的路由器名称"

wifiPassword = "请填写您的路由器密码"

  修改完成之后get_wifi_status函数中的wlan.connect(wifiSsid, wifiPassword)语句就会连接读者自己设定的路由器。


修改设备端三元组

  修改humiture工程里main.py中productKey、deviceName和deviceSecret的值为读者创建的物联网设备的三元组信息,如下图所示:


# 三元组信息

productKey = "产品密钥"

deviceName = "设备名称"

deviceSecret = "设备密钥"

修改设备端上报声音信息所用标识符

  humiture工程里main.py中下面的代码实现的是上传声音大小到云端的功能。其中SoundDecibelValue便是声音值上报时所用的标识符。


# 上传声音大小到物联网平台

def upload_voice():

   global device

   while True:

       data = get_voice()                      # 读取声音大小信息

       # 生成上报到物联网平台的属性值字串

       prop = ujson.dumps({

           'SoundDecibelValue': data

           })

       print('uploading data: ', prop)

       upload_data = {'params': prop}

       # 上传声音信息到物联网平台

       device.postProps(upload_data)

       utime.sleep(2)

  确保这个标识符和物联网产品的物模型中属性标识符是一样的,如下图所示:




  下面是本节添加的重点代码段落讲解:


新增四个变量用来控制led和蜂鸣器对应的GPIO

# LED 蜂鸣器控制变量

redledon = 0

blueledon = 0

greenledon =0

buzzeron =0

新增函数处理云端信息并控制GPIO的接口

# 设置props 事件接收函数(当云平台向设备下发属性时)

def on_props(request):

   global redledon, blueledon, greenledon, buzzeron, voice_value

   payload = ujson.loads(request['params'])

   # 获取dict状态字段 注意要验证键存在 否则会抛出异常

   if "light_up_green_led" in payload.keys():

       greenledon = payload["light_up_green_led"]

       if (greenledon):

           print("点亮绿灯")

   if "light_up_blue_led" in payload.keys():

       blueledon = payload["light_up_blue_led"]

       if (blueledon):

           print("点亮蓝灯")

   if "light_up_red_led" in payload.keys():

       redledon = payload["light_up_red_led"]

       if (redledon):

           print("点亮红灯")

   if "switch_on_buzzer" in payload.keys():

       buzzeron = payload["switch_on_buzzer"]

       if (buzzeron):

           print("打开蜂鸣器")

   redled.write(redledon)           # 控制红灯

   blueled.write(blueledon)         # 控制蓝灯

   greenled.write(greenledon)       # 控制绿灯

   buzzer.write(buzzeron)           # 控制蜂蜜器

   # 要将更改后的状态同步上报到云平台

   prop = ujson.dumps({

       'light_up_green_led': greenledon,

       'light_up_blue_led': blueledon,

       'light_up_red_led':redledon,

       'switch_on_buzzer':buzzeron,

   })

   upload_data = {'params': prop}

   # 上报led和蜂鸣器属性到云端

   device.postProps(upload_data)


运行结果

  推送此脚本到ESP32之后,运行此脚本,ESP32串口会周期性的打印如下日志。其中:


“物联网平台连接成功” 代表成功连接到物联网平台

"uploading data:"之后跟着的为设备端向云端发布的声音大小属性信息,其中SoundDecibelValue后面的数值为声音大小之,单位:分贝。

设备端解析到云端送下来的控制指令包含“{"light_up_green_led":1}”之后会打印"点亮绿灯"并点亮绿色LED

设备端解析到云端送下来的控制指令包含"{"light_up_blue_led":1}"之后会打印"点亮蓝灯"并点亮蓝色LED

设备端解析到云端送下来的控制指令包含"{"light_up_red_led":1}"之后会打印"点亮红灯"并点亮红色LED

设备端解析到云端送下来的控制指令包含"{"switch_on_buzzer":1}"之后会打印"打开蜂鸣器"并打开蜂鸣器

==== python file check /data/pyamp/main.py ====

==== python execute from /data/pyamp/main.py ====

voice inited!

led inited!

buzzer inited!

wifi_connected: False

wifi_connected: False

wifi_connected: False

wifi_connected: False

wifi_connected: False

wifi_connected: False

wifi_connected: False

wifi_connected: False

('192.168.43.45', '255.255.255.0', '192.168.43.1', '192.168.43.1')

establish tcp connection with server(host='gv4cyhcq5aA.iot-as-mqtt.cn-shanghai.aliyuncs.com', port=[443])

sleep for 1 s

tcp_connect: can only connect from state CLOSED

success to establish tcp, fd=54

物联网平台连接成功

sleep for 2s

uploading data:  {"SoundDecibelValue": 0}

点亮绿灯

uploading data:  {"SoundDecibelValue": 0}

点亮绿灯

uploading data:  {"SoundDecibelValue": 0}

点亮绿灯

uploading data:  {"SoundDecibelValue": 10300}

点亮红灯

打开蜂鸣器


  开发板实际效果如下:


在声音低于40分贝时,可以看到日志中出现"点亮绿灯"的字样,伴随着绿色LED灯亮起

在声音在50和70分贝之间时,可以看到日志中出现“点亮蓝灯”的字样,伴随着蓝色LED灯亮起

在声音高于70分贝时,可以看到日志中出现"点亮红灯"的字样,伴随着红色LED灯亮起

在湿度高于90分贝时,可以看到日志中出现"点亮红灯" “打开蜂鸣器”的字样,伴随着红色LED灯亮起,蜂鸣器打开

物联网平台端设备信息查看

  物联网设备的系统启动成功并连接到物联网平台之后,物联网平台上对应的设备状态会从”未激活状态“变为”上线“,在物模型数据标签页上会显示设备上报到物联网平台的属性值。




  此时如果开发板周围声音发生变化,物联网平台的物模型数据会更新为设备上报的最新的属性值。


物联网应用开发

  如果能够将噪音数据通过网页的形式直观的展现出来,用户就可以通过查看噪音的当前和历史数据,识别出噪音的规律,有助于得出有效的管控方法和应对措施。同时相关人员还可以远距离的查看数据,得出直观的了解和认识。


中控大屏目标

  本节课程主要目标是设计一个总控大屏的web应用,能实时的查看如下信息:


过去3小时的声音变化实时信息

LED灯和蜂鸣器实时状态显示

手动控制LED灯和蜂鸣器的开关状态

声音监控系统

  下图是一个典型的物联网应用程序开发的流程图,接下来本节就按照这个流程介绍如何花卉养植系统中控大屏的web应用程序的开发。




新建“普通项目”


  打开IoT Studio官网,在项目管理中创建一个空白项目,如下图所示,将此项目命名为“声音监控系统”。




新建“Web应用”


  新建“普通项目”之后,在新项目的首页新建一个Web应用,命名为“室内声音大小实时监控”。




  Web应用创建成功后会进入到应用界面设计页面。




  点击上图红框中的“组件”按钮图标,就可以看到可用的组件列表。各组件的说明请参考IoT Studio组件说明。


页面设计


  这里我们用到3种组件:


1个实时曲线 用于显示声音的历史变化曲线及实时数据

3个指示灯 显示和控制LED的当前状态

1个开关 显示和控制蜂鸣器的状态

  将3种组件拖到中间的画布区,适当调整组件布局。然后拖动文字组件,为组件添加文字注释,如下图所示。




关联产品和设备


  此时回到”声音监控系统“项目的主页,对产品和设备进行关联,如下图所示:




  关联产品的过程如下:




  关联设备的过程如下:




  产品和设备关联完毕之后,就可以将把组件和设备的属性关联起来了。


关联数据源


  关联数据源分为如下3个步骤,每个步骤的截图如下:


关联产品

关联设备

关联属性

  具体操作步骤如下:


选中”开关“组件,点击右侧的“配置数据源”。



选择目标产品



选择目标设备



选择“开蜂鸣器”属性



  同样的方式为另三个”指示灯“组件分别选择选择相同设备的“点亮绿灯”,“点亮蓝灯”和“点亮红灯”属性。


  接下来需要为”实时曲线“组件设定数据源。同样点击该组件后,点击右边的配置数据源。因为本场景中的声音大小测量和LED灯/蜂鸣器的控制都是通过一个物联网设备完成的,所以本页中要选择”单设备多属性“。然后选择好本场景创建的产品,如下图所示。




  选择相同的设备,如下图所示。




  本场景显示的是茶花生长环境的温度信息和湿度信息,所以”数据项“中要选择这两项属性。




  最后选择要显示的实时温湿度数据的时间长度,这里选择3小时,如下图所示。




发布上线




  在发布之前可以点击上图的“预览”查看应用的实际运行效果。实际运行效果如下图所示:




  这样我们就完成了一个声音监控系统从设备声音大小测量,设备控制、物联网云平台开发及物联网应用开发全链路的开发。

————————————————

版权声明:本文为CSDN博主「HaaS技术社区」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/HaaSTech/article/details/124291042

相关文章
|
13天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
159 55
|
1天前
|
存储 缓存 监控
局域网屏幕监控系统中的Python数据结构与算法实现
局域网屏幕监控系统用于实时捕获和监控局域网内多台设备的屏幕内容。本文介绍了一种基于Python双端队列(Deque)实现的滑动窗口数据缓存机制,以处理连续的屏幕帧数据流。通过固定长度的窗口,高效增删数据,确保低延迟显示和存储。该算法适用于数据压缩、异常检测等场景,保证系统在高负载下稳定运行。 本文转载自:https://www.vipshare.com
86 66
|
22天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
122 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
3天前
|
存储 算法 Python
文件管理系统中基于 Python 语言的二叉树查找算法探秘
在数字化时代,文件管理系统至关重要。本文探讨了二叉树查找算法在文件管理中的应用,并通过Python代码展示了其实现过程。二叉树是一种非线性数据结构,每个节点最多有两个子节点。通过文件名的字典序构建和查找二叉树,能高效地管理和检索文件。相较于顺序查找,二叉树查找每次比较可排除一半子树,极大提升了查找效率,尤其适用于海量文件管理。Python代码示例包括定义节点类、插入和查找函数,展示了如何快速定位目标文件。二叉树查找算法为文件管理系统的优化提供了有效途径。
34 5
|
机器学习/深度学习 编解码 达摩院
HaaS轻应用(Python):基于HaaS-AI的图像分类
HaaS 即 Hardware as a Service, 它是加速AIoT开发者创新的一个积木平台。Python轻应用是跑在HaaS积木平台上的一套应用框架。他是基于MicroPython进行开发,继承了python优美简介的语法,同时提供了便捷的嵌入式硬件操作库。
687 15
HaaS轻应用(Python):基于HaaS-AI的图像分类
|
23天前
|
人工智能 数据可视化 数据挖掘
探索Python编程:从基础到高级
在这篇文章中,我们将一起深入探索Python编程的世界。无论你是初学者还是有经验的程序员,都可以从中获得新的知识和技能。我们将从Python的基础语法开始,然后逐步过渡到更复杂的主题,如面向对象编程、异常处理和模块使用。最后,我们将通过一些实际的代码示例,来展示如何应用这些知识解决实际问题。让我们一起开启Python编程的旅程吧!
|
22天前
|
存储 数据采集 人工智能
Python编程入门:从零基础到实战应用
本文是一篇面向初学者的Python编程教程,旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点,然后通过一个简单的例子展示了如何编写Python代码。接下来,文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后,文章通过一个实战项目——制作一个简单的计算器程序,帮助读者巩固所学知识并提高编程技能。
|
10天前
|
Unix Linux 程序员
[oeasy]python053_学编程为什么从hello_world_开始
视频介绍了“Hello World”程序的由来及其在编程中的重要性。从贝尔实验室诞生的Unix系统和C语言说起,讲述了“Hello World”作为经典示例的起源和流传过程。文章还探讨了C语言对其他编程语言的影响,以及它在系统编程中的地位。最后总结了“Hello World”、print、小括号和双引号等编程概念的来源。
101 80
|
29天前
|
存储 索引 Python
Python编程数据结构的深入理解
深入理解 Python 中的数据结构是提高编程能力的重要途径。通过合理选择和使用数据结构,可以提高程序的效率和质量
138 59
|
9天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
39 2