Predicció de la temperatura de l'habitació mitjançant el sensor LM35 i l'aprenentatge automàtic: 4 passos

2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:14

Introducció

Avui ens centrem en la construcció d’un projecte d’aprenentatge automàtic que prediu la temperatura mitjançant la regressió polinòmica.

L’aprenentatge automàtic és una aplicació d’intel·ligència artificial (IA) que proporciona als sistemes la possibilitat d’aprendre i millorar automàticament a partir de l’experiència sense haver-se programat explícitament.

Regressió polinòmica: la regressió polinòmica és una forma d’anàlisi de regressió en la qual la relació entre la variable independent x i la variable dependent y es modela com un polinomi de novè grau a x.

Predicció: -L’aprenentatge automàtic és una manera d’identificar patrons en les dades i utilitzar-los per prendre prediccions o decisions automàticament. … Per a la regressió, aprendreu a mesurar la correlació entre dues variables i calcular una línia més adequada per fer prediccions quan la relació subjacent sigui lineal.

2. Coses utilitzades en aquest projecte

Components de maquinari

1. Filferros de pont femení / femení × (segons necessitat)
2. Tauler de pa (genèric) × 1
3. Sensor LM35 × 1
4. Mòdul WiFi Bolt IoT Bolt × 1

Aplicacions de programari i serveis en línia

1. Bolt IoT Bolt CloudBolt
2. Aplicació Android IoT

Pas 1: connectar el sensor LM35 al cargol

Pas 1: manteniu el sensor de manera que pugueu llegir LM35 escrit al damunt.

Pas 2: en aquesta posició, identifiqueu els pins del sensor com a VCC, Sortida i Gnd de l'esquerra a la dreta.

A la imatge de maquinari, VCC està connectat al cable vermell, la sortida al cable taronja i Gnd al cable marró.

Pas 3: mitjançant un cable femella a femella connecteu els 3 pins del LM35 al mòdul Bolt Wifi de la següent manera:

• El pin VCC del LM35 es connecta a 5 v del mòdul Bolt Wifi.
• El pin de sortida del LM35 es connecta a A0 (pin d'entrada analògica) del mòdul Bolt Wifi.
• El pin Gnd del LM35 es connecta al Gnd.

Pas 2: predir la temperatura

Pas 1: feu les mateixes connexions que la pantalla "Connexions de maquinari per al monitor de temperatura", al tema "Interfacing sensor over VPS" del mòdul "Cloud, API i Alerts".

Pas 2: engegueu el circuit i deixeu-lo connectar al Bolt Cloud. (El LED verd del cargol hauria d'estar encès)

Pas 3: aneu a cloud.boltiot.com i creeu un producte nou. Mentre creeu el producte, trieu el tipus de producte com a dispositiu de sortida i el tipus d’interfície com a GPIO. Després de crear el producte, seleccioneu el producte creat recentment i feu clic a la icona de configuració.

Pas 4: a la pestanya de maquinari, seleccioneu el botó d'opció situat al costat del pin A0. Assigneu al pin el nom "temp" i deseu la configuració mitjançant la icona "Desa".

Pas 5: moveu-vos a la pestanya de codi, assigneu al codi del producte "prediu" i seleccioneu el tipus de codi com a js.

Pas 6: escriviu el codi següent per representar les dades de temperatura i executar l'algorisme de regressió polinòmica a les dades i desar les configuracions del producte.

setChartLibrary ('google-chart');

setChartTitle ('PolynomialRegression');

setChartType ('predictionGraph');

setAxisName ('time_stamp', 'temp');

mul (0,0977);

plotChart ('time_stamp', 'temp');

Pas 7: a la pestanya Productes, seleccioneu el producte creat i feu clic a la icona d'enllaç. Seleccioneu el dispositiu Bolt a la finestra emergent i feu clic al botó "Fet".

Pas 8: feu clic al botó "desplega la configuració" i després a la icona "visualitza aquest dispositiu" per veure la pàgina que heu dissenyat. A continuació es mostra la captura de pantalla de la sortida final.

Pas 9: espereu unes 2 hores fins que el dispositiu pengi prou punt de dades al núvol. A continuació, podeu fer clic al botó de predicció per veure el gràfic de predicció basat en l'algorisme de regressió polinòmica.