【毕设参考】ESP32 + HaaS Python 打造在线空气质量检测器

简介: 【毕设参考】ESP32 + HaaS Python 打造在线空气质量检测器

空气检测系统  

  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。




简介

  近几年空气污染逐渐变重,很多人对空气质量愈发关心。及时检测周报环境的空气质量并通过钉钉通知相关人员,则可最大程度降低对周边环境的担忧,有利于后期出行。


背景知识

  本系统的核心在于如何检测周边环境PM2.5浓度,并通过钉钉提前预警通知给用户。


  光学灰尘传感器GP2Y1014AU可以检测非常细的颗粒,如香烟烟雾,房屋粉尘等。检测出的数据可以及时上报到物联网平台。依靠IoT Studio的 业务逻辑 开发工具,可以及时把状态通知到用户移动钉钉终端,实现空气质量PM2.5的提前预警。




准备

本案例需要如下硬件。


ESP32开发板一套

GP2Y1014AU传感器一个

杜邦连接线若干

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3个步骤完成云端设备的创建:


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)

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”(自定义品类的物模型为空,需要自己创建,也可以通过导入外部物模型的方式导入),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“空气检测系统”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。




然后按照下图属性添加。




  物模型添加成功之后可以看到网页出现了我们刚才创建的物模型属性。pm25_value代表PM2.5值,数据类型为int32整数型。此时点击“确定”按钮,按照系统提示一步一步进行下去就可以完成之前创建的物模型属性设置。功能定义完成后点击 发布 按钮完成发布




  产品及其物模型创建完成后就可以创建这个产品的设备了。


创建云端设备(获取三元组)

  在产品列表页面中,点击 空气检测系统 后的 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(这里我们填入设备名称dust1),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。




  点击 确认 后弹出下面的“添加完成“提示框,点击 前往查看 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(点击下图中的“查看”及可看到三元组信息)

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(如下图所示),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、设备事件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“PM25浓度”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。


配置业务逻辑

  接下来就是配置业务逻辑,以便将设备端发送到物联网平台的数据通过钉钉的方式发送相关人员。这里我们采用物联网业务逻辑开发工具


  物联网应用开发(IoT Studio)提供了物联网业务逻辑的开发工具,支持通过编排服务节点的方式快速完成简单的物联网业务逻辑的设计。具体细节可以参考物联网应用开发中的业务逻辑章节。


1. 创建钉钉机器人


  点击钉钉头像,在弹出的对话框中点击设置按钮




  点击 机器人管理按钮




  在机器人管理页面点击 自定义按钮




  点击 确定按钮




  输入机器人名称及机器人想要添加的钉钉群组(如果没有可以自行创建),在安全设置一项添加"自定义关键词"。


  需要注意的是:自定义关键词用来过滤向钉钉群推送的信息,只有包括了该关键词的推送信息才会在群里显示,不包含该关键词的推送信息会被过滤掉。可以定义多个关键词,只要推送的信息中有一个词跟关键词匹配即可被群接收并显示。这里我们定义"浓度"关键词,也就是说后续的推送信息里面必须包含"浓度"这个词语。


  点击完成按钮




  创建完成后会弹出提示框,点击``复制``按钮复制Webhook地址以备后用,使用该地址可以向钉钉群推送消息。点击“完成”。




配置 IoT Studio 物联网

  登录IoT Studio平台,在左侧的侧边栏点击项目管理,在项目管理页面点击新建项目按钮。




  在新建项目页面点击创建空白项目。




  弹出新建空白项目页面,输入项目名称及描述后点击确定按钮。




  项目创建完成后会自动导航到新创建的项目,新项目需要关联产品,设备,并创建业务逻辑,以实现云端上报信息到钉钉的信息推送。


  选择左侧的产品侧边栏,点击关联物联网平台产品,在弹出的窗口中选择之前创建的产品并关联。




  选择左侧的设备侧边栏,点击关联物联网平台设备,在弹出的窗口中选择关联产品下的设备。




  选择左侧的主页侧边栏,在弹出的项目详情页选择业务逻辑,点击新建按钮,在弹出的下拉框选择新建空白业务服务。




  在新建业务服务窗口输入业务服务名称及描述后点击确定按钮。




  业务服务创建完成后自动导航到业务逻辑开发页面。点击“节点”按钮显示所有原子功能,并以此拖住设备触发,条件判断 和 钉钉机器人到右侧的窗口。按住鼠标左键连接各个模块,注意条件判断两个逻辑输出要连接正确的钉钉机器人,以免逻辑混乱。




  点击设备触发模块,在弹出的对话框中选择产品,设备及触发条件。








配置完设备后,修改条件判断。当PM2.5数值小于35的时候,我们认为空气质量优良




  点击空气优良机器人模块,在弹出的对话框中设置Webhook,选择配置方式及消息类型。Webhook对话框输入之前创建“空气监测报警”钉钉机器人时候拷贝的字符串,按照下图中的设备配置机器人:




同时我们也设置空气污染机器人,Webhook也输入上述机器人相同的字符串:




  业务逻辑开发配置完成后,我们可以先使用软件调试的方式验证相关逻辑链路的正确性。点击保存按钮后点击部署调试按钮。




  在弹出的对话框选择前往按钮:




  在弹出的设备模拟器页面点击启动设备模拟器按钮:




  选择属性上报选项并在PM25浓度填写合适的数值,点击发送命令按钮:




  发送命令后,我们便可以在钉钉群接收到相关的通知:




  到这里我们已经完成了IoT云端的所有配置,接下来就是完成设备端开发并完成设备属性的上报。


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

  如下图所示,打开VS Code之后在新建一个基于hellworld的python工程,设定好工程名称(air_quality)及工作区路径之后,硬件类型选择nodmcu32s,点击立即创建,创建一个Python轻应用的解决方案。




案例代码

  下载本案例代码并解压将所有文件复制后,覆盖刚创建的air_quality工程根目录下的文件。main.py代码区如下图所示:




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epidemic_control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nm.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

  修改本工程里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,具体获取方式如下图所示:




修改设备端上报数据所用标识符

  air_quality工程里main.py中下面的代码实现的是上传PM2.5浓度到云端的功能。其中pm25_value和pollen_value便是上报云端所用的标识符。


# 这里的数据仅表示从ADC上读到的数据,未实现到真实PM2.5的转换,仅作案例参考

   dustValue = gp2y10Obj.getDustVal()

   print('dustValue = ', dustValue)

   # 生成上报到物联网平台的属性值字串,此处的属性标识符"pm25_value"必须和物联网平台的属性一致

   upload_data = {'params': ujson.dumps({

       'pm25_value': dustValue # 这里填充PM2.5浓度    

   })

   }

   # 上传状态到物联网平台

   device.postProps(upload_data)

   utime.sleep(60)      # 打印完之后休眠60秒

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:




运行结果

本地查看

  推送此脚本到ESP32之后并运行,串口会周期性的打印如下日志:


>>>

wifi_connected: False

wifi_connected: False

wifi_connected: False

wifi_connected: False

('192.168.3.196', '255.255.255.0', '192.168.3.1', '192.168.3.1')

establish tcp connection with server(host='xxxxxxxxx.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

gp2y10Obj inited!

dustValue =  0

dustValue =  0

dustValue =  0

dustValue =  0

dustValue =  0

dustValue =  2200

dustValue =  431

dustValue =  0

dustValue =  0

dustValue =  20

dustValue =  0

dustValue =  0

dustValue =  0


同时我们也可以看到钉钉端的相关通知。




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。




此时如果空气质量发生变化,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。


到此为止,空气质量检测系统的案例就已经完成了。

————————————————

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/124339220

相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
4月前
|
搜索推荐 前端开发 数据可视化
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
本文介绍了一个基于Django框架、协同过滤算法、ECharts数据可视化以及Bootstrap前端技术的酒店推荐系统,该系统通过用户行为分析和推荐算法优化,提供个性化的酒店推荐和直观的数据展示,以提升用户体验。
179 1
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
|
4月前
|
数据采集 机器学习/深度学习 数据可视化
【优秀python web系统毕设】基于python的全国招聘数据分析可视化系统,包括随机森林算法
本文介绍了一个基于Python的全国招聘数据分析可视化系统,该系统利用数据挖掘技术、随机森林算法和数据可视化技术,从招聘网站抓取数据,进行处理、分析和预测,帮助用户洞察招聘市场,为求职者和企业提供决策支持。
217 2
|
3月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
116 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
3月前
|
机器学习/深度学习 人工智能 算法
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台。果蔬识别系统,本系统使用Python作为主要开发语言,通过收集了12种常见的水果和蔬菜('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'),然后基于TensorFlow库搭建CNN卷积神经网络算法模型,然后对数据集进行训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面,实现用户上传一张果蔬图片识别其名称。
70 0
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
2月前
|
存储 IDE 开发工具
编写Python参考手册速查软件(一)
编写Python参考手册速查软件(一)
53 0
|
2月前
|
Python
编写Python参考手册速查软件(二)
编写Python参考手册速查软件(二)
37 0
|
4月前
|
数据采集 自然语言处理 监控
【优秀python毕设案例】基于python django的新媒体网络舆情数据爬取与分析
本文介绍了一个基于Python Django框架开发的新媒体网络舆情数据爬取与分析系统,该系统利用Scrapy框架抓取微博热搜数据,通过SnowNLP进行情感分析,jieba库进行中文分词处理,并以图表和词云图等形式进行数据可视化展示,以实现对微博热点话题的舆情监控和分析。
209 3
【优秀python毕设案例】基于python django的新媒体网络舆情数据爬取与分析
|
4月前
|
机器学习/深度学习 数据采集 算法
【优秀python算法毕设】基于python时间序列模型分析气温变化趋势的设计与实现
本文介绍了一个基于Python的时间序列模型,用于分析和预测2021-2022年重庆地区的气温变化趋势,通过ARIMA和LSTM模型的应用,揭示了气温的季节性和趋势性变化,并提供了对未来气温变化的预测,有助于气象预报和相关决策制定。
149 1
【优秀python算法毕设】基于python时间序列模型分析气温变化趋势的设计与实现
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
【优秀python系统毕设】基于Python flask的气象数据可视化系统设计与实现,有LSTM算法预测气温
本文介绍了一个基于Python Flask框架开发的气象数据可视化系统,该系统集成了数据获取、处理、存储、LSTM算法气温预测以及多种数据可视化功能,旨在提高气象数据的利用价值并推动气象领域的发展。
284 1
|
6月前
|
机器学习/深度学习 设计模式 数据可视化
【干货】Python参考书籍
【干货】Python参考书籍