Byg en Raspberry Pi SUPER vejrstation: 8 trin (med billeder)

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:26

Lad os se det i øjnene, vi mennesker taler meget om vejret ⛅️. Den gennemsnitlige person taler om vejret fire gange om dagen i gennemsnit 8 minutter og 21 sekunder. Gør regnestykket, og det udgør i alt 10 måneder af dit liv, som du vil bruge til at jappe om vejret. Vejret rangerer som nummer 1-emnet for samtalestartere og ubehagelige tavshedsafbrydere. Hvis vi skal tale så meget om det, kan vi lige så godt tage vores vejrgade -cred til et helt nyt niveau. Dette super sjove og lette projekt vil udnytte tingenes internet (IoT) og en Raspberry Pi til at gøre netop det.

Vi skal bygge vores helt eget hyper-lokale vejr IoT-instrumentbræt, der fanger vejret i og uden for vores hus over tid. Næste gang nogen spørger dig "hvad med vejret på det seneste?", Vil du være i stand til at piske din telefon ud og efterlade dem forpustet med din vanvittige vejranalysefærdigheder ☀️.

Hvad du skal bruge for at tage kurset: 1. Raspberry Pi m/ internetforbindelse

2. Raspberry Pi SenseHAT

3. Et 6 40-benet IDE han-hun-forlængerkabel (valgfrit for temperaturnøjagtighed)

4. En første statskonto

5. Det er det!

Projektniveau: Begynder

Anslået tid at gennemføre: 20 minutter

Omtrentlig sjov faktor: Fra diagrammerne

I denne trin-for-trin vejledning lærer du: hvordan du bruger Weatherstack API-integrationen i Initial State til at få det lokale vejr ude i dit område

- Lær, hvordan du bruger en Raspberry Pi med en Sense HAT (https://www.raspberrypi.org/products/sense-hat/) til at fange vejrdata inde i dit hus

- Byg dit eget personlige hyper-lokale vejrdashboard, som du kan få adgang til fra enhver webbrowser på din bærbare eller mobile enhed

- Giv din meteorolog et løb for deres penge

Forbrugsvarer

Hvad skal du bruge for at tage kurset:

1. Raspberry Pi m/ internetforbindelse

2. Raspberry Pi SenseHAT

3. Et 6 40-benet IDE han-hun-forlængerkabel (valgfrit for temperaturnøjagtighed)

4. En første statskonto

5. Det er det!

Trin 1: Kom godt i gang

Vi har allerede lagt meget i benarbejde til, at du sætter koden sammen og organiserer oplysningerne. Vi skal bare have dig til at foretage et par justeringer undervejs.

For at hente alle de ting, vi har forberedt til dig, skal du klone depotet fra GitHub. Github er en fantastisk service, der giver os mulighed for at gemme, revidere og administrere projekter som dette. For at klone depotet er det eneste, vi skal gøre, at gå ind på vores Pi’s terminal, eller din computers terminal, der er SSH’et, i din pi og skrive denne kommando:

$ git-klon

Tryk enter, og du vil se disse oplysninger:

pi@raspberrypi ~ $ git-klon

Kloning til 'wunderground-sensehat' …

fjernbetjening: Tæller objekter: 28, udført.

fjernbetjening: Total 28 (delta 0), genbrugt 0 (delta 0), pakke genbrugt 28

Udpakning af objekter: 100% (28/28), færdig.

Kontrol af forbindelse … udført.

Når du har set dette, så tillykke, du har med succes klonet Github Repo og har alle de nødvendige filer til at bygge din Super Weather Station. Inden vi går videre til det næste trin, lad os tage lidt tid at udforske rundt i dette bibliotek og lære et par grundlæggende kommandolinjekommandoer.

Indtast kommandoen herunder i din terminal:

$ ls

Denne kommando viser alt, hvad der er tilgængeligt i det bibliotek, du aktuelt befinder dig i. Denne liste viser, at vores Github Repo med succes er blevet klonet ind i vores bibliotek under navnet "wunderground-sensehat." Lad os se på, hvad der er i den mappe. For at ændre biblioteksværker skal du bare skrive "cd" og derefter skrive navnet på det bibliotek, du vil gå til.

I dette tilfælde skriver vi:

$ cd wunderground-sensehat

Når vi trykker på enter, vil du se, at vi nu er i wunderground-sensehat-biblioteket. Lad os skrive ls igen for at se, hvilke filer vi har installeret på vores pi.

README.md sensehat.py sensehat_wunderground.py wunderground.py

Her ser vi, at vi har vores readme -dokument og et par forskellige python -filer. Lad os tage et kig på sensehat.py. I stedet for at hoppe ind i filen m/ cd -kommandoen, som vi gjorde for bibliotekets, vil vi bruge nano -kommandoen. Nano -kommandoen giver os mulighed for at åbne nano -teksteditoren, hvor vi har al vores python -kode for hvert segment af dette projekt. Fortsæt og skriv:

$ nano sensehat.py

Her kan du se al den kode, vi har forberedt til dig til dette projekt. Vi kommer ikke til at foretage ændringer i dette dokument endnu, men du er velkommen til at rulle rundt og se, hvad vi skal gøre senere i denne vejledning.

Trin 2: Oprindelig tilstand

Vi vil streame alle vores vejrdata til en skytjeneste og få den service til at gøre vores data til et flot dashboard, som vi kan få adgang til fra vores bærbare eller mobile enhed. Vores data har brug for en destination. Vi vil bruge Initial State som denne destination.

Trin 1: Registrer dig for en initial State -konto

Gå til https://www.initialstate.com/app#/register/ og opret en ny konto.

Trin 2: Installer ISStreamer

Installer Initial State Python -modulet på din Raspberry Pi: Kør følgende kommando ved en kommandoprompt (glem ikke at SSH ind i din Pi først):

$ cd/home/pi/

$ / curl -sSL https://get.initialstate.com/python -o -| sudo bash

Sikkerhedsbemærkning: Ovenstående kommando har en vigtig anatomi, som brugeren skal være opmærksom på.

1) Der er en forudgående / før krølle. Dette er vigtigt for at sikre, at der ikke bliver kørt et alias for curl, hvis der blev oprettet et. Dette hjælper med at reducere risikoen for, at kommandoen gør mere end beregnet.

2) Kommandoen er en kommando i rørledning, så når du kører, piperer du output fra et script, der hentes fra https://get.initialstate.com/python til kommandoen sudo bash. Dette gøres for at forenkle installationen, men det skal bemærkes, at https her er vigtig for at sikre ingen man-in-the-middle manipulation af installations scriptet, især da scriptet køres med forhøjede privilegier. Dette er en almindelig måde at forenkle installation og opsætning på, men hvis du er lidt mere forsigtig, er der nogle lidt mindre bekvemme alternativer: Du kan bryde kommandoen ud i to trin og undersøge bash -scriptet, der downloades fra curl -kommandoen selv for at sikre det er troskab ELLER du kan følge pip instruktionerne, du får bare ikke et automatisk genereret eksempel script.

Trin 3: Lav noget Automagic

Efter trin 2 vil du se noget, der ligner følgende output til skærmen:

pi@raspberrypi ~ $ / curl -sSL https://get.initialstate.com/python -o -| sudo bash

Adgangskode: Begyndende ISStreamer Python Nem installation!

Det kan tage et par minutter at installere, tag en kop kaffe:)

Men glem ikke at komme tilbage, jeg har spørgsmål senere!

Fundet easy_install: setuptools 1.1.6

Fundet pip: pip 1.5.6 fra /Library/Python/2.7/site-packages/pip-1.5.6- py2.7.egg (python 2.7)

pip major version: 1

pip minor version: 5

ISStreamer fundet, opdaterer …

Krav er allerede opdateret: ISStreamer i /Library/Python/2.7/site-packages Rydder op …

Vil du automatisk få et eksempel script? [y/N]

(output kan være anderledes og tage længere tid, hvis du aldrig har installeret Python -streamingmodulet i den oprindelige tilstand før)

Når du bliver bedt om automatisk at hente et eksempel script, skal du skrive y.

Dette vil oprette et test script, som vi kan køre for at sikre, at vi kan streame data til Initial State fra vores Pi. Du bliver bedt om:

Hvor vil du gemme eksemplet? [standard:./is_example.py]:

Du kan enten skrive en tilpasset lokal sti eller trykke på enter for at acceptere standarden. Du bliver bedt om dit brugernavn og din adgangskode, som du lige har oprettet, da du registrerede din oprindelige statskonto. Indtast begge, og installationen fuldføres.

Trin 4: Adgangstaster

Lad os se på eksemplet på script, der blev oprettet. Type:

$ nano er_eksempel.py

På linje 15 vil du se en linje, der starter med streamer = Streamer (bucket_…. Disse linjer opretter en ny dataskovl ved navn "Python Stream -eksempel" og er tilknyttet din konto. Denne tilknytning sker på grund af access_key = "…" parameter på den samme linje. Den lange række bogstaver og tal er din adgangsnøgle i din oprindelige statskonto. Hvis du går til din oprindelige statskonto i din webbrowser, skal du klikke på dit brugernavn øverst til højre og derefter gå til "min konto", finder du den samme adgangsnøgle nederst på siden under "Streamingadgangsnøgler".

Hver gang du opretter en datastrøm, leder denne adgangsnøgle datastrømmen til din konto (så del ikke din nøgle med nogen).

Trin 5: Kør eksemplet

Kør testskriptet for at sikre, at vi kan oprette en datastrøm til din Initial State -konto.

Kør følgende:

$ python er_eksempel.py

Trin 6: Profit

Gå tilbage til din Initial State -konto i din webbrowser. En ny dataskovl kaldet "Python Stream -eksempel" skulle have vist sig til venstre i din loghylde (du skal muligvis opdatere siden). Klik på denne spand, og klik derefter på ikonet Waves for at se testdataene.

Du vil gerne gå igennem Waves -øvelsen for at gøre dig bekendt med, hvordan du bruger dette datavisualiseringsværktøj. Se derefter dataene i Fliser for at se de samme data i instrumentbrætform.

Du er nu klar til at begynde at streame rigtige data fra Wunderground og mere.

Trin 3: Føl HAT

Sense HAT er et add-on board til Raspberry Pi, der er fuld af sensorer, lysdioder og et lille joystick. Det, der er så fantastisk ved denne lille tilføjelse, er, at den er utrolig nem at installere og bruge takket være et fantastisk Python-bibliotek, som du hurtigt kan installere. Til dette projekt vil vi bruge temperatur-, fugtigheds- og barometriske trykfølere på Sense HAT. Lad os sætte det op.

Det første trin i at bruge Sense HAT er at fysisk installere det på din Pi. Med Pi slukket, monteres hatten som vist på billedet.

Tænd din Pi. Vi skal installere Python -biblioteket for at gøre det let at læse sensorværdierne fra Sense HAT. Først skal du sikre, at alt er opdateret på din version af Raspbian ved at skrive:

$ sudo apt-get opdatering

Installer derefter Sense HAT Python -biblioteket:

$ sudo apt-get installer sense-hat

Genstart din Pi

Vi er klar til at teste Sense HAT ved at læse sensordata fra den og sende disse data til den oprindelige tilstand.

Lad os teste vores Sense HAT for at sikre, at alt fungerer. Vi vil bruge scriptet placeret på https://github.com/InitialState/wunderground-sensehat/blob/master/sensehat.py. Du kan kopiere dette script til en fil på din Pi eller få adgang til det fra vores Github -depot, som vi klonede tidligere. Skift til din wunderground-sensehat-mappe og derefter nano til din sensehat.py-fil ved at skrive:

$ nano sensehat.py

Bemærk på den første linje, at vi importerer SenseHat -biblioteket til scriptet. Inden du kører dette script, skal vi konfigurere vores brugerparametre.

# --------- Brugerindstillinger --------- CITY = "Nashville"

BUCKET_NAME = ": delvis_sunny:" + CITY + "Vejr"

BUCKET_KEY = "sensehat"

ACCESS_KEY = "Din_Access_Nøgle"

SENSOR_LOCATION_NAME = "Kontor"

MINUTES_BETWEEN_SENSEHAT_READS = 0,1

# ---------------------------------

Specifikt skal du indstille din ACCESS_KEY til din adgangsnøgle til din initialstatskonto. Bemærk, hvor let det er at læse data fra Sense HAT på en enkelt linje i Python (f.eks. Sense.get_temperature ()). Kør scriptet ved en kommandoprompt på din Pi:

$ sudo python sensehat.py

Gå til din Initial State -konto, og se den nye dataskovl, der er oprettet af Sense HAT.

Nu er vi klar til at sammensætte det hele og oprette vores hyperlokale vejrdashboard!

Trin 4: Hyper Local Weather Dashboard

Det sidste trin i dette projekt er simpelthen at kombinere vores vejrdata og vores Sense HAT -script til et enkelt instrumentbræt. For at gøre dette vil vi bruge den indledende tilstandsintegration med Weatherstack til at tilføje vejrdata til vores Sensehat -dashboard, vi oprettede i det sidste trin.

Brug af Weatherstack API er superenkelt. Tidligere på denne vejledning havde vi dig til at oprette og køre et script til at trække data fra en vejrdata -api, men siden starten af denne vejledning har Initial State oprettet Data Integration Marketplace. Data Integration Marketplace giver dig mulighed for at få adgang til og streame API'er til et Initial State -dashboard uden kode. Det er bogstaveligt talt bare et par museklik og BAM: vejrdata. På medium har jeg skrevet en mere dybdegående tutorial om, hvordan du bruger Weatherstack-integrationen og opretter vejrvarsler, men jeg vil hurtigt liste ud, hvordan du kommer i gang herunder.

Brug af Weatherstack -integrationen

1. Log ind på din Initial State -konto

2. Klik på detaljer -knappen i feltet Weatherstack på integrationssiden. Denne side fortæller dig alle de grundlæggende oplysninger om integrationen og hvad der kræves for at bruge den. I dette tilfælde skal du bare bruge et postnummer (eller breddegrad og længdegrad) for et sted, du vil overvåge vejret for, og du skal vide, hvilke enheder du vil se disse data i (metrisk, videnskabelig eller amerikansk kejserlig).

3. Klik på knappen Start opsætning, og du vil se et modal dukke op fra højre side af din skærm. Der er bare et par enkle trin, der skal tages, før vi kan begynde at se, at vejrdata ruller ind:

4. Giv dit nye instrumentbræt et navn. Jeg navngav mit Nashville Weather. Pro tip: Jeg kan godt lide at bruge emoji’er i mine dashboards navne til at give dem lidt mere oomph. En hurtig måde at hente emojis på en Mac er Ctrl+Command+mellemrumstast. I Windows skal du holde Windows -knappen og enten punktum (.) Eller semikolon (;). 2 5. Indtast din placering. Jeg bruger postnummeret for det område, jeg vil spore, men du kan også angive breddegrad og længdegrad for at være mere specifik. Det er let at finde breddegrad og længdegrad for dit område bare ved at gå til google maps, søge efter et sted og derefter kopiere breddegrad og længdegrad ud af browseren og indsætte det i formularen. Kun steder i USA, Storbritannien og Canada kan bruges på nuværende tidspunkt.

6. Vælg dine enheder. Jeg valgte US/Imperial, fordi jeg boede i USA.

7. Vælg at oprette en ny spand eller sende dine Weatherstack -data til en eksisterende spand. I denne vejledning, hvis du allerede har konfigureret din Sense Hat til at streame til den oprindelige tilstand (i det sidste trin), skal du bare sende Weatherstack -dataene til den spand.

8. Vælg, om du vil have alle de data, Weatherstack sender, eller om du vil have specifikke vejrdata til at sende til dit dashboard. Du kan altid sende alle data og tage et par brikker ud senere.

9. Vælg, hvor ofte du vil have dit dashboard opdateret med vejrforhold. Du kan vælge mellem hvert 15. minut eller time for time. Husk, at afsendelse af data hvert 15. minut koster et ekstra token i forhold til at sende det hver time. Så hvis du vil bruge andre integrationer på markedet på samme tid, vil du måske bare afstemme hver time. Du kan altid stoppe med at sende data fra integrationen og starte den igen, eller ændre frekvensen, du sender data til senere. Men hvis du stopper det og starter igen, vil der være huller i dine data.

10. Klik på Start integration. Nu streamer du data fra Weatherstack! Klik på knappen "Vis i IoT -appen" for at se de første datapunkter rulle ind.

11. Tilpas dit instrumentbræt. Hvis du streamer til en ny spand, har vi sat dig op med en skabelon til at komme i gang. Du skal dog gøre det til dit eget! Tryk på pil ned øverst i midten af dit dashboard for at bringe tidslinjen ned, klik på Rediger fliser, flyt nogle fliser rundt, ændr størrelsen på dem og ændre baggrunden. Lav instrumentbrættet, som du vil have det, så det er let for dig at indtage de data, du vil indsamle. Du kan også bruge andre Weatherstack -skabeloner, som vi har oprettet til dig her. For at tilføje lidt mere kontekst til dit dashboard kan du også tilføje et kort, der viser placeringen af, hvor du overvåger vejret. Dit instrumentbræt kan se lidt blottet ud i starten, men giv det lidt tid, og det vil fylde op med smukke historiske vejrdata.

Trin 5: Føj et kort til dit instrumentbræt (bonus)

Vi kan nemt tilføje en kortflise til vores dashboard, der viser placeringen af vores vejrstrøm. Du kan lære mere om den interaktive kortvisning i fliser på https://support.initialstate.com/knowledgebase/articles/800232-tiles-map-view. Vi kunne simpelthen tilføje en ny streamer.log -sætning i vores Python -script (og jeg forklarer, hvordan du kan gøre det i slutningen af dette afsnit). I stedet vil vi benytte lejligheden til at vise dig en anden måde at sende data til dit dashboard.

Trin 1: Få din placerings koordinater for breddegrad/længdegrad

Du skal hente koordinaterne for breddegrad/længdegrad for din placering. En måde at gøre dette på er at gå til Google Maps, søge efter din placering og zoome ind på din nøjagtige placering. I URL'en ser du dine breddegrad/længdegradskoordinater. I eksemplet ovenfor er mine koordinater 35.925298, -86.8679478.

Kopier dine koordinater (du skal bruge dem i trin 2), og sørg for, at du ikke ved et uheld kopierer ekstra tegn fra webadressen.

Trin 2: Byg en URL til at sende data til dit dashboard

Klik på linket "indstillinger" under skovlnavnet i skovlhylden. Dette vil vise skærmen ovenfor. Kopier teksten i afsnittet API -endepunkt, og indsæt den i din foretrukne teksteditor. Vi vil bruge dette til at opbygge en URL, som vi kan bruge til at sende data til vores eksisterende spand og dashboard. I min spand ligner den tekst, jeg kopierede: https://groker.initialstate.com/api/events?accessKey=bqHk4F0Jj4j4M4CrhJxEWv6ck3nfZ79o&bucketKey=shwu1 Din webadresse har din accessKey og bucketKey. Vi skal tilføje et streamnavn og en værdi til URL -parametrene for at fuldføre URL'en.

Føj "& MapLocation = YOUR_COORDINATES_FROM_STEP1" til din webadresse

(indsæt koordinaterne fra trin 1, ingen mellemrum og kopier ikke mine !!)

Sådan ser min ud: https://groker.initialstate.com/api/events?accessKey=bqHk4F0Jj4j4M4CrhJxEWv6ck3nfZ79o&bucketKey=shwu1&MapLocation=35.925298, -86.8679478

Indsæt din komplette URL til adresselinjen i din browser, og tryk på enter (eller brug kommandoen 'curl' ved en kommandoprompt) for at sende dine kortkoordinater til strømmen "MapLocation" i din nye spand.

Hvis du ser på dit dashboard i fliser nu (du skal muligvis opdatere, hvis du bliver utålmodig), skulle en ny flise ved navn MapLocation have vist sig zoomet ind på din nuværende placering.

Trin 2 Alternativ: Rediger dit script

Hvis du virkelig ikke kan lide trin 2 ovenfor, kan du blot tilføje endnu en streamer.log -sætning til dit Python -script. Tilføj blot linjen

streamer.log ("MapLocation", "YOUR_COORDINATES_FROM_STEP1")

et sted inde i def main (): funktionen af scriptet sensehat_wunderground.py (vær opmærksom på indrykning b/c Python kræver, at du følger strenge indrykningsregler). For eksempel tilføjede jeg streamer.log ("MapLocation", "35.925298, -86.8679478") lige efter linje 138.

Trin 6: Fastsættelse af Sense Hat -temperaturaflæsning

Du vil måske bemærke, at din Sense HATs temperaturmålinger virker lidt høje - det er fordi de er det. Synderen er varmen, der genereres fra Pi’ens CPU, der opvarmer luften omkring Sense HAT, når den sidder oven på Pi’en.

For at gøre temperatursensoren nyttig skal vi enten fjerne hatten fra Pi (hvilket ville eliminere den vigtige fordel ved at være en kompakt løsning) eller prøve at kalibrere temperatursensoraflæsningen. CPU'en er den primære årsag til, at den parasitære varme påvirker vores temperatursensor, så vi skal finde ud af sammenhængen. Når vi gennemgik Enviro pHAT for Pi Zero, kom vi frem til en ligning til at redegøre for CPU -temperaturen, der påvirker en hattes temperaturaflæsning. Vi mangler bare CPU -temperaturen og en skaleringsfaktor for at beregne den kalibrerede temperatur:

temp_calibrated = temp - ((cpu_temp - temp)/FACTOR)

Vi kan finde faktoren ved at registrere den faktiske temperatur og løse den. For at finde den faktiske temperatur i rummet har vi brug for en anden temperatursensoropsætning. Ved hjælp af en DHT22 -sensor (installationsvejledning her og script her) kan vi registrere og visualisere begge temperaturer samtidigt:

Resultatet afslører, at Sense HATs aflæsning er slukket med 5-6 grader Fahrenheit temmelig konsekvent. Tilføjelse af CPU -temperaturen i blandingen (med dette script) viser først, at det er ekstremt varmt, og for det andet afslører en slags bølge, som Sense HAT -målingen efterligner.

Efter at have optaget i cirka 24 timer, løste jeg for faktoren ved hjælp af seks forskellige aflæsninger på seks forskellige tidspunkter. Gennemsnit af faktorværdierne gav en endelig faktorværdi på 5.466. Anvendelse af ligningen

temp_calibrated = temp - ((cpu_temp - temp) /5.466)

den kalibrerede temperatur kom inden for en grad af den faktiske temperaturmåling:

Du kan køre denne kalibreringskorrektion på selve Pi, inde i wunderground_sensehat.py -scriptet.

Trin 7: Bonus: Konfigurer dine egne vejrvarsler

Lad os oprette en SMS -advarsel, når temperaturen falder til under frysepunktet.

Vi kommer til at følge opsætningsprocessen for udløsermeddelelser, der er beskrevet på supportsiden.

Sørg for, at din vejrdataspand er indlæst.

Klik på skovlens indstillinger i datahylden (under dens navn).

Klik på fanen Triggers.

Vælg den datastrøm, der skal udløses på (du kan bruge rullelisten til at vælge fra eksisterende streams, når en dataskovl er indlæst, eller du kan indtaste strømnavnet/-tasten manuelt; *Bemærk Safari understøtter ikke HTML5-rullelister). I mit eksempelskærmbillede ovenfor valgte jeg Temperatur (F).

Vælg den betingede operator, i dette tilfælde '<'.

Vælg den triggerværdi, der skal udløse en handling (indtast den ønskede værdi manuelt). I dette tilfælde skal du indtaste 32 som vist ovenfor.

Klik på knappen '+' for at tilføje udløsertilstanden.

Vælg handlingen (aktuelle tilgængelige handlinger meddeles via SMS eller e -mail).

Klik på knappen '+' for at tilføje handlingen. Indtast enhver verifikationskode, hvis du tilføjer et nyt telefonnummer eller en e -mail for at fuldføre opsætningen.

Din udløser er nu live og aktiveres, når betingelsen er opfyldt. Klik udført for at vende tilbage til hovedskærmen.

PIR SMS

Når temperaturen falder til under 32, får du en sms. Du indstiller advarsler om alt i din vejrdatabøtte (*Bemærk, at du skal bruge emoji -tokens, ikke de faktiske emojis).

For eksempel når det regner

: sky: Vejrforhold =: paraply:

Når det blæser

: bindestreg: Vindhastighed (MPH)> 20

etc.

Trin 8:

Anden pris i tingenes internetkonkurrence 2016