Przewidywanie temperatury w pomieszczeniu za pomocą czujnika LM35 i uczenia maszynowego: 4 kroki

2025 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2025-01-23 15:03

Wstęp

Dziś koncentrujemy się na zbudowaniu projektu uczenia maszynowego, który przewiduje temperaturę za pomocą regresji wielomianowej.

Uczenie maszynowe to aplikacja sztucznej inteligencji (AI), która zapewnia systemom możliwość automatycznego uczenia się i doskonalenia na podstawie doświadczenia bez konieczności wyraźnego programowania. Uczenie maszynowe koncentruje się na tworzeniu programów komputerowych, które mogą uzyskiwać dostęp do danych i wykorzystywać je do samodzielnego uczenia się.

Regresja wielomianowa: -regresja wielomianowa jest formą analizy regresji, w której związek między zmienną niezależną x a zmienną zależną y jest modelowany jako wielomian n-tego stopnia wx.

Przewidywanie: -Uczenie maszynowe to sposób identyfikowania wzorców w danych i wykorzystywania ich do automatycznego przewidywania lub podejmowania decyzji. … W przypadku regresji dowiesz się, jak mierzyć korelację między dwiema zmiennymi i obliczać linię najlepszego dopasowania do przewidywania, gdy podstawowa zależność jest liniowa.

2. Rzeczy użyte w tym projekcie

Komponenty sprzętowe

1. Przewody połączeniowe żeńskie / żeńskie × (zgodnie z potrzebami)
2. Deska do krojenia chleba (ogólna) × 1
3. Czujnik LM35 × 1
4. Bolt IoT Moduł WiFi Bolt×1

Aplikacje i usługi online

1. Bolt IoT Bolt CloudBolt
2. Aplikacja IoT na Androida

Krok 1: Podłączanie czujnika LM35 do śruby

Krok 1: Trzymaj czujnik w taki sposób, aby można było odczytać napis LM35.

Krok 2: W tej pozycji zidentyfikuj styki czujnika jako VCC, Output i Gnd od lewej do prawej.

Na obrazie sprzętu VCC jest podłączony do czerwonego przewodu, wyjście jest podłączone do pomarańczowego przewodu, a Gnd jest podłączone do brązowego przewodu.

Krok 3: Za pomocą przewodu męskiego do żeńskiego połącz 3 styki LM35 z modułem Wifi Bolt w następujący sposób:

• Pin VCC LM35 łączy się z 5V modułu Bolt Wifi.
• Pin wyjściowy LM35 łączy się z A0 (pin wejścia analogowego) modułu Bolt Wifi.
• Pin Gnd LM35 łączy się z Gnd.

Krok 2: Przewidywanie temperatury

Krok 1: Wykonaj te same połączenia, co na ekranie „Połączenia sprzętowe monitora temperatury” w temacie „Łączenie czujnika przez VPS” w module „Chmura, API i alerty”.

Krok 2: Włącz obwód i pozwól mu połączyć się z chmurą Bolt. (Zielona dioda LED Bolt powinna się świecić)

Krok 3: Przejdź do cloud.boltiot.com i utwórz nowy produkt. Podczas tworzenia produktu wybierz typ produktu jako Urządzenie wyjściowe i typ interfejsu jako GPIO. Po utworzeniu produktu wybierz ostatnio utworzony produkt, a następnie kliknij ikonę konfiguracji.

Krok 4: Na karcie sprzętu wybierz przycisk radiowy obok pinu A0. Nadaj pinowi nazwę „temp” i zapisz konfigurację za pomocą ikony „Zapisz”.

Krok 5: Przejdź do zakładki kod, nadaj kodowi produktu nazwę „przewiduj” i wybierz typ kodu jako js.

Krok 6: Napisz następujący kod, aby wykreślić dane dotyczące temperatury i uruchomić na danych algorytm regresji wielomianowej oraz zapisać konfiguracje produktu.

setChartLibrary('google-chart');

setChartTitle('Regresja wielomianowa');

setChartType('predictionGraph');

setAxisName('znacznik_czasu', 'temp');

mul(0,0977);

plotChart('znacznik_czasu', 'temp');

Krok 7: Na karcie Produkty wybierz utworzony produkt, a następnie kliknij ikonę łącza. Wybierz swoje urządzenie Bolt w wyskakującym okienku, a następnie kliknij przycisk „Gotowe”.

Krok 8: Kliknij przycisk „Wdróż konfigurację”, a następnie ikonę „Wyświetl to urządzenie”, aby wyświetlić zaprojektowaną stronę. Poniżej znajduje się zrzut ekranu końcowego wyniku.

Krok 9: Poczekaj około 2 godzin, aż urządzenie prześle wystarczającą ilość danych do chmury. Następnie możesz kliknąć przycisk przewidywania, aby wyświetlić wykres przewidywania oparty na algorytmie regresji wielomianowej.