Predicția temperaturii camerei prin senzorul LM35 și învățarea automată: 4 pași

2024 Autor: John Day | [email protected]. Modificat ultima dată: 2024-01-30 11:44

Introducere

Astăzi ne concentrăm pe construirea unui proiect de învățare automată care prezice temperatura prin regresie polinomială.

Învățarea automată este o aplicație a inteligenței artificiale (AI) care oferă sistemelor capacitatea de a învăța automat și de a se îmbunătăți din experiență fără a fi programate explicit.

Regresia polinomială: -regresia polinomială este o formă de analiză a regresiei în care relația dintre variabila independentă x și variabila dependentă y este modelată ca un polinom de gradul n în x.

Predicție: -Învățarea automată este un mod de a identifica tiparele din date și de a le utiliza pentru a face automat predicții sau decizii. … Pentru regresie, veți învăța cum să măsurați corelația dintre două variabile și să calculați o linie potrivită pentru a face predicții atunci când relația de bază este liniară.

2. Lucruri utilizate în acest proiect

Componente hardware

1. Sârmă jumper feminin / feminin × (după necesități)
2. Pană de calcul (generică) × 1
3. Senzor LM35 × 1
4. Modul WiFi Bolt IoT Bolt × 1

Aplicații software și servicii online

1. Bolt IoT Bolt CloudBolt
2. Aplicația IoT pentru Android

Pasul 1: Conectarea senzorului LM35 la șurub

Pasul 1: Țineți senzorul astfel încât să puteți citi LM35 scris pe el.

Pasul 2: În această poziție, identificați pinii senzorului ca VCC, Output și Gnd de la stânga la dreapta.

În imaginea Hardware, VCC este conectat la firul roșu, ieșirea este conectată la firul portocaliu și Gnd este conectat la firul maro.

Pasul 3: Folosind firul tată-mamă conectați cei 3 pini ai LM35 la modulul Bolt Wifi după cum urmează:

• Pinul VCC al LM35 se conectează la 5v din modulul Bolt Wifi.
• Pinul de ieșire al LM35 se conectează la A0 (pinul de intrare analogică) al modulului Bolt Wifi.
• Pinul Gnd al LM35 se conectează la Gnd.

Pasul 2: Prezicerea temperaturii

Pasul 1: Faceți aceleași conexiuni ca ecranul „Conexiuni hardware pentru monitorul temperaturii”, în subiectul „Senzor de interfață peste VPS” din modulul „Cloud, API și Alerte”.

Pasul 2: Porniți circuitul și lăsați-l să se conecteze la Bolt Cloud. (LED-ul verde al șurubului ar trebui să fie aprins)

Pasul 3: Accesați cloud.boltiot.com și creați un produs nou. În timp ce creați produsul, alegeți tipul de produs ca dispozitiv de ieșire și tipul de interfață ca GPIO. După crearea produsului, selectați produsul creat recent și apoi faceți clic pe pictograma configurare.

Pasul 4: În fila hardware, selectați butonul radio de lângă pinul A0. Dă pinului numele „temp” și salvează configurația folosind pictograma „Salvare”.

Pasul 5: Treceți la fila cod, dați codului produsului numele „predict” și selectați tipul de cod ca js.

Pasul 6: Scrieți următorul cod pentru a trasa datele de temperatură și pentru a rula algoritmul de regresie polinomială pe date și pentru a salva configurațiile produsului.

setChartLibrary ('google-chart');

setChartTitle ('PolynomialRegression');

setChartType ('predictionGraph');

setAxisName ('time_stamp', 'temp');

mul (0,0977);

plotChart ('time_stamp', 'temp');

Pasul 7: În fila Produse, selectați produsul creat și apoi faceți clic pe pictograma link. Selectați dispozitivul Bolt în fereastra pop-up și apoi faceți clic pe butonul „Terminat”.

Pasul 8: Faceți clic pe butonul „implementare configurare” și apoi pe pictograma „Vizualizați acest dispozitiv” pentru a vizualiza pagina pe care ați proiectat-o. Mai jos este captura de ecran a rezultatului final.

Pasul 9: Așteptați aproximativ 2 ore pentru ca dispozitivul să încarce suficient punct de date în cloud. Apoi puteți face clic pe butonul de predicție pentru a vizualiza graficul de predicție pe baza algoritmului de regresie polinomială.