Indholdsfortegnelse:
- Trin 1: Komponenter påkrævet
- Trin 2: Opsætning af enhed (hardwareopsætning)
- Trin 3: Software (kodning og visualisering)
![Overvågning af luftforurening - IoT-Data Viz-ML: 3 trin (med billeder) Overvågning af luftforurening - IoT-Data Viz-ML: 3 trin (med billeder)](https://i.howwhatproduce.com/preview/how-and-what-to-produce/10967222-air-pollution-monitoring-iot-data-viz-ml-3-steps-with-pictures-j.webp)
Video: Overvågning af luftforurening - IoT-Data Viz-ML: 3 trin (med billeder)
![Video: Overvågning af luftforurening - IoT-Data Viz-ML: 3 trin (med billeder) Video: Overvågning af luftforurening - IoT-Data Viz-ML: 3 trin (med billeder)](https://i.ytimg.com/vi/RGRAVCzpy4E/hqdefault.jpg)
2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:31
![Image Image](https://i.howwhatproduce.com/images/003/image-7168-36-j.webp)
![](https://i.ytimg.com/vi/vKm5AT3KdGY/hqdefault.jpg)
![Komponenter påkrævet Komponenter påkrævet](https://i.howwhatproduce.com/images/003/image-7168-37-j.webp)
Så dette er dybest set en komplet IoT -applikation, der indeholder hardware -del samt software -del. I denne vejledning kan du se, hvordan IoT -enheden konfigureres, og hvordan den overvåges de forskellige typer forureningsgasser, der findes i luften. Så denne vejledning indeholder IoT og Data Science.
De involverede programmeringssprog er C -programmering og Python.
Trin 1: Komponenter påkrævet
Hardware:
1) NodeMCU - En ESP8266 -drevet mikrokontroller, perfekt til at bygge IoT -applikationer.
2) MQ2 -gassensor - En enkel gassensor til at detektere de forskellige typer gasser, der findes i luften.
Software:
3) Arduino IDE installeret i din pc / bærbare
4) Jupyter Notebook, Python og forskellige biblioteker - Du kan foretage opsætningen ved at følge denne video -tutorial.
Trin 2: Opsætning af enhed (hardwareopsætning)
![Opsætning af enhed (hardwareopsætning) Opsætning af enhed (hardwareopsætning)](https://i.howwhatproduce.com/images/003/image-7168-38-j.webp)
1) NodeMCU er indstillet inde i brødbrættet.
2) Gasfølerforbindelse:
a) Vcc er forbundet til Vin -porten i NodeMCU.
b) GND er forbundet til GND -stiften på NodeMCU
c) A0 pin er forbundet til A0 pin på NodeMCU
3) Servomotorforbindelse
a) +ve pin på Servomotor er forbundet til Vin fra NodeMCU
b) -ve pin er forbundet til GND for NodeMCU
c) Aktuatorstiften eller udgangsstiften er forbundet til D0 -stiften på NodeMCU.
4) LED'er Tilslutning
a) LED'ernes +ve pins er forbundet til Vin -porten på NodeMCU og -ve pins til NodeMCU's GND
Trin 3: Software (kodning og visualisering)
![Software (kodning og visualisering) Software (kodning og visualisering)](https://i.howwhatproduce.com/images/003/image-7168-39-j.webp)
![Software (kodning og visualisering) Software (kodning og visualisering)](https://i.howwhatproduce.com/images/003/image-7168-40-j.webp)
![Software (kodning og visualisering) Software (kodning og visualisering)](https://i.howwhatproduce.com/images/003/image-7168-41-j.webp)
Få Arduino -koden og visualiseringskoden herunder. Alt er nævnt trin for trin. Se hele videoen for at få et detaljeret overblik over dette projekt.
github.com/debadridtt/Air-Pollution-Monitoring-using-IoT-Data-Viz.-ML
Anbefalede:
GPS -overvågning med OLED -skærmprojekt: 5 trin (med billeder)
![GPS -overvågning med OLED -skærmprojekt: 5 trin (med billeder) GPS -overvågning med OLED -skærmprojekt: 5 trin (med billeder)](https://i.howwhatproduce.com/images/006/image-15087-j.webp)
GPS -overvågning med OLED -skærmprojekt: Hej alle sammen, i denne hurtige artikel vil jeg dele mit projekt med dig: ATGM332D GPS -modul med SAMD21J18 mikrokontroller og SSD1306 OLED 128*64 display, jeg byggede et specielt printkort til det på Eagle Autodesk og programmerede det ved hjælp af Atmel studio 7.0 og ASF
Overvågning af temperatur og fugtighed ved hjælp af Raspberry Pi: 6 trin (med billeder)
![Overvågning af temperatur og fugtighed ved hjælp af Raspberry Pi: 6 trin (med billeder) Overvågning af temperatur og fugtighed ved hjælp af Raspberry Pi: 6 trin (med billeder)](https://i.howwhatproduce.com/images/011/image-30750-j.webp)
Overvågning af temperatur og fugtighed ved hjælp af Raspberry Pi: Sommeren kommer, og dem uden klimaanlæg bør være forberedt på at styre atmosfæren indendørs manuelt. I dette indlæg beskriver jeg den moderne måde at måle de vigtigste parametre for menneskelig komfort: temperatur og fugtighed. T
Overvågning af luftkvalitet ved hjælp af partikelfoton: 11 trin (med billeder)
![Overvågning af luftkvalitet ved hjælp af partikelfoton: 11 trin (med billeder) Overvågning af luftkvalitet ved hjælp af partikelfoton: 11 trin (med billeder)](https://i.howwhatproduce.com/images/002/image-5921-11-j.webp)
Overvågning af luftkvalitet ved hjælp af partikelfoton: I dette projekt bruges PPD42NJ -partikelsensor til at måle luftkvaliteten (PM 2.5), der er til stede i luften med partikelfoton. Det viser ikke kun dataene på partikelkonsol og dweet.io, men angiver også luftkvaliteten ved hjælp af RGB LED ved at ændre det
AirCitizen - Overvågning af luftkvalitet: 11 trin (med billeder)
![AirCitizen - Overvågning af luftkvalitet: 11 trin (med billeder) AirCitizen - Overvågning af luftkvalitet: 11 trin (med billeder)](https://i.howwhatproduce.com/images/004/image-10300-7-j.webp)
AirCitizen - Overvågning af luftkvalitet: Hej alle sammen! I dag vil vi lære dig at reproducere vores projekt: AirCitizen af AirCitizenPolytech Team!-Kommer fra 'OpenAir / What your air?' Projekter, AirCitizen -projektet har til formål at sætte borgerne i stand til aktivt at evaluere kvaliteten
Overvågning af vandkvalitet ved hjælp af MKR1000 og ARTIK Cloud: 13 trin (med billeder)
![Overvågning af vandkvalitet ved hjælp af MKR1000 og ARTIK Cloud: 13 trin (med billeder) Overvågning af vandkvalitet ved hjælp af MKR1000 og ARTIK Cloud: 13 trin (med billeder)](https://i.howwhatproduce.com/images/003/image-7879-20-j.webp)
Overvågning af vandkvalitet ved hjælp af MKR1000 og ARTIK Cloud: Introduktion Det primære formål med dette projekt er at bruge MKR1000 og Samsung ARTIK Cloud til at overvåge pH og temperaturniveauer i svømmebassiner. alkalinitet a