Dự đoán nhiệt độ phòng thông qua cảm biến LM35 và máy học: 4 bước

2024 Tác giả: John Day | [email protected]. Sửa đổi lần cuối: 2024-01-30 13:33

Giới thiệu

Hôm nay chúng tôi tập trung vào việc xây dựng một dự án máy học dự đoán nhiệt độ thông qua hồi quy đa thức.

Máy học là một ứng dụng của trí tuệ nhân tạo (AI) cung cấp cho hệ thống khả năng tự động học hỏi và cải thiện từ kinh nghiệm mà không cần được lập trình rõ ràng. Máy học tập trung vào việc phát triển các chương trình máy tính có thể truy cập dữ liệu và sử dụng nó để học cho chính họ.

Hồi quy đa thức: - Hồi quy đa thức là một dạng phân tích hồi quy trong đó mối quan hệ giữa biến độc lập x và biến phụ thuộc y được mô hình hóa dưới dạng đa thức bậc n theo x.

Dự đoán: -Máy học là một cách xác định các mẫu trong dữ liệu và sử dụng chúng để tự động đưa ra các dự đoán hoặc quyết định. … Đối với hồi quy, bạn sẽ học cách đo lường mối tương quan giữa hai biến và tính toán một đường phù hợp nhất để đưa ra dự đoán khi mối quan hệ cơ bản là tuyến tính.

2. Những thứ được sử dụng trong dự án này

Các thành phần phần cứng

1. Dây nhảy nữ / nữ × (Theo nhu cầu)
2. Bảng mạch (chung) × 1
3. Cảm biến LM35 × 1
4. Mô-đun WiFi Bolt IoT Bolt × 1

Ứng dụng phần mềm và dịch vụ trực tuyến

1. Bolt IoT Bolt CloudBolt
2. Ứng dụng IoT Android

Bước 1: Kết nối Cảm biến LM35 với Bu lông

Bước 1: Giữ cảm biến theo cách bạn có thể đọc được LM35 được viết trên đó.

Bước 2: Ở vị trí này, xác định các chân của cảm biến là VCC, Đầu ra và Gnd từ trái sang phải của bạn.

Trong hình ảnh Phần cứng, VCC được kết nối với dây màu đỏ, Đầu ra được kết nối với dây màu cam và Gnd được kết nối với dây màu nâu.

Bước 3: Sử dụng dây đực với cái kết nối 3 chân của LM35 với Mô-đun Wifi Bolt như sau:

• Chân VCC của LM35 kết nối với 5v của mô-đun Wifi Bolt.
• Chân đầu ra của LM35 kết nối với A0 (Chân đầu vào tương tự) của mô-đun Bolt Wifi.
• Chân Gnd của LM35 kết nối với Gnd.

Bước 2: Dự đoán nhiệt độ

Bước 1: Thực hiện các kết nối tương tự như màn hình 'Kết nối phần cứng cho màn hình nhiệt độ', trong chủ đề 'Giao diện cảm biến qua VPS' của mô-đun 'Đám mây, API và Cảnh báo'.

Bước 2: Cấp nguồn cho mạch và để mạch kết nối với Đám mây Bolt. (Đèn LED màu xanh lá cây của Bu lông phải được bật)

Bước 3: Truy cập cloud.boltiot.com và tạo một sản phẩm mới. Trong khi tạo sản phẩm, hãy chọn loại sản phẩm là Thiết bị đầu ra và loại giao diện là GPIO. Sau khi tạo sản phẩm, chọn sản phẩm được tạo gần đây và sau đó nhấp vào biểu tượng cấu hình.

Bước 4: Trong tab phần cứng, chọn nút radio bên cạnh chân A0. Đặt tên ghim là 'tạm thời' và lưu cấu hình bằng biểu tượng 'Lưu'.

Bước 5: Di chuyển đến tab mã, đặt tên mã sản phẩm là 'dự đoán', và chọn loại mã là js.

Bước 6: Viết đoạn mã sau để vẽ dữ liệu nhiệt độ và chạy thuật toán hồi quy đa thức trên dữ liệu và lưu cấu hình sản phẩm.

setChartLibrary ('google-chart');

setChartTitle ('PolynomialRegression');

setChartType ('dự đoánGraph');

setAxisName ('time_stamp', 'temp');

cá đối (0,0977);

plotChart ('time_stamp', 'temp');

Bước 7: Trong tab sản phẩm, chọn sản phẩm đã tạo và sau đó nhấp vào biểu tượng liên kết. Chọn thiết bị Bolt của bạn trong cửa sổ bật lên và sau đó nhấp vào nút 'Hoàn tất'.

Bước 8: Nhấp vào nút 'triển khai cấu hình' và sau đó nhấp vào biểu tượng 'xem thiết bị này' để xem trang mà bạn đã thiết kế. Dưới đây là ảnh chụp màn hình của kết quả cuối cùng.

Bước 9: Chờ khoảng 2 tiếng để thiết bị tải đủ data point lên Cloud. Sau đó, bạn có thể nhấp vào nút dự đoán để xem đồ thị dự đoán dựa trên thuật toán hồi quy đa thức.