Napoved sobne temperature preko senzorja LM35 in strojnega učenja: 4 koraki

2024 Avtor: John Day | [email protected]. Nazadnje spremenjeno: 2024-01-30 12:04

Uvod

Danes smo osredotočeni na izgradnjo projekta strojnega učenja, ki napoveduje temperaturo s polinomsko regresijo.

Strojno učenje je aplikacija umetne inteligence (AI), ki sistemom omogoča samodejno učenje in izboljševanje iz izkušenj, ne da bi bila izrecno programirana. Strojno učenje se osredotoča na razvoj računalniških programov, ki lahko dostopajo do podatkov in se sami uporabljajo za učenje.

Polinomska regresija: -polinomična regresija je oblika regresijske analize, v kateri se razmerje med neodvisno spremenljivko x in odvisno spremenljivko y modelira kot polinom n-te stopnje v x.

Napovedovanje: -Mašinsko učenje je način prepoznavanja vzorcev v podatkih in njihove uporabe za samodejno napovedovanje ali odločanje. … Za regresijo se boste naučili meriti korelacijo med dvema spremenljivkama in izračunati najprimernejšo črto za napovedi, ko je osnovno razmerje linearno.

2. Stvari, uporabljene v tem projektu

Strojne komponente

1. Ženske/ženske skakalne žice × (po potrebi)
2. Ogledna plošča (splošna) × 1
3. Senzor LM35 × 1
4. Bolt IoT Bolt WiFi modul × 1

Programske aplikacije in spletne storitve

1. Bolt IoT Bolt CloudBolt
2. IoT aplikacija za Android

1. korak: Senzor LM35 priključite na vijak

1. korak: Držite senzor tako, da lahko preberete napis LM35, napisan na njem.

2. korak: V tem položaju od leve proti desni označite zatiče senzorja kot VCC, Output in Gnd.

Na sliki strojne opreme je VCC povezan z rdečo žico, izhod je povezan z oranžno žico, Gnd pa z rjavo žico.

Korak 3: Z moško in žensko žico priključite 3 zatiče LM35 na modul Bolt Wifi na naslednji način:

• VCC pin LM35 se poveže s 5v modula Bolt Wifi.
• Izhodni pin LM35 se poveže z A0 (analogni vhodni pin) modula Bolt Wifi.
• Gnd pin LM35 se poveže z Gnd.

2. korak: Napovedovanje temperature

1. korak: Vzpostavite enake povezave kot na zaslonu "Strojne povezave za nadzor temperature" v temi "Vmesni senzor prek VPS" v modulu "Oblak, API in opozorila".

2. korak: Vklopite vezje in pustite, da se poveže z Oblokom vijaka. (Zelena LED vijaka mora prižgati)

3. korak: Pojdite na cloud.boltiot.com in ustvarite nov izdelek. Med ustvarjanjem izdelka izberite vrsto izdelka kot izhodno napravo in vrsto vmesnika kot GPIO. Ko ustvarite izdelek, izberite nedavno ustvarjen izdelek in kliknite ikono za konfiguracijo.

4. korak: Na zavihku strojna oprema izberite izbirni gumb poleg zatiča A0. Dajte pin -u ime 'temp' in shranite konfiguracijo z ikono 'Save'.

5. korak: Premaknite se na kodni zavihek, dajte kodi izdelka ime "predvidi" in izberite vrsto kode kot js.

6. korak: Napišite naslednjo kodo, da narišete podatke o temperaturi in zaženete algoritem polinomske regresije na podatkih ter shranite konfiguracije izdelka.

setChartLibrary ('google-chart');

setChartTitle ('PolynomialRegression');

setChartType ('predictionGraph');

setAxisName ('time_stamp', 'temp');

mul (0,0977);

plotChart ('time_stamp', 'temp');

Korak 7: Na zavihku izdelki izberite ustvarjen izdelek in kliknite ikono povezave. V pojavnem oknu izberite svojo napravo Bolt in kliknite gumb »Končano«.

Korak 8: Kliknite gumb »razporedi konfiguracijo« in nato ikono »oglej to napravo«, če si želite ogledati stran, ki ste jo oblikovali. Spodaj je posnetek zaslona končnega izida.

9. korak: Počakajte približno 2 uri, da naprava naloži dovolj podatkovne točke v oblak. Nato lahko kliknete gumb za predvidevanje, da si ogledate graf napovedi na podlagi algoritma polinomske regresije.